Gintare Rimolaityte, CEO und Mitgründerin von Trendos – Interviewreihe

Gintare Rimolaityte ist CEO und Mitgründerin von Trendos, der Plattform für Sichtbarkeit in der KI-Suche, die Marken hilft, ihre Präsenz in großen Sprachmodellen (LLMs) zu verstehen und zu optimieren. Erste Erfahrungen sammelte sie 2020 bei Oxylabs, zunächst als Business Development Manager und anschließend als Leiterin des Handelsbereichs. Dort führte sie für eine Geschäftseinheit die Teams für Vertrieb, Geschäftsentwicklung, Kundenbetreuung und Kundenerfolg. Von 2022 bis 2025 war sie CEO der Engagement-Plattform JumpTask. Bevor sie 2026 Trendos mitgründete, arbeitete sie kurzzeitig als Produktmanagerin bei Adment mit Schwerpunkt auf der Verhinderung von Affiliate-Betrug in bezahlter Suche und Partnerprogrammen. Als CEO von Trendos führt Gintare mehrere Teams und verantwortet das strategische Wachstum. Sie lebt und arbeitet in Vilnius.

Trendos ist eine Plattform für Sichtbarkeit in der KI-Suche, mit der Marken ihre Präsenz in LLMs und KI-Suchmaschinen beobachten, messen und optimieren können. Trendos beseitigt den großen blinden Fleck, den der Wechsel von der Google-Suche zur dialogorientierten KI geschaffen hat: Der Empfehlungsprozess wurde für Marken praktisch unsichtbar. Über die Messung der allgemeinen Sichtbarkeit hinaus macht Trendos Werkzeuge zur KI-Marktbeobachtung zugänglich, intuitiv und erschwinglich, damit Marken beeinflussen und optimieren können, wann und wie sie erscheinen. Die Technologie erfasst durch umfangreiches Auslesen von LLM-Sitzungen die tatsächlichen Antworten und Anzeigen in KI-Umgebungen. Anschließend analysiert sie die strukturierten Daten und bereitet sie zu klaren Erkenntnissen über Markensichtbarkeit und Wettbewerberaktivitäten auf. Trendos wurde im März 2026 in Vilnius, Litauen, gegründet und von Tesonet unterstützt, einem weltweit tätigen Unternehmensentwickler hinter Firmen wie Nord Security, Surfshark und Hostinger.

Ihr beruflicher Weg führte Sie über die kaufmännische Führung bei Oxylabs, die Leitung von JumpTask und die Produktarbeit bei adment.ai zur Mitgründung von Trendos. Welche Veränderungen bei der Entdeckung von Marken durch Verbraucher mithilfe von KI überzeugten Sie davon, dass Trendos gebraucht wird? Und was fehlte Ihrer Ansicht nach den vorhandenen SEO- und KI-Sichtbarkeitsplattformen?

Als ich regelmäßig Marketingverantwortliche interviewte, hörte ich immer wieder dasselbe: Die KI-Suche kommt, und obwohl es bereits einige Werkzeuge gibt, weiß niemand wirklich, wie zuverlässig sie tatsächlich sind.

Ich musste mich nicht allein auf ihre Aussagen verlassen, denn ich beobachtete diesen Wandel auch selbst in Echtzeit. Verbraucher gingen dazu über, LLMs direkt zu fragen, statt bei Google durch Links zu scrollen. Für Marketingteams war das eine Art Blackbox. Sie konnten nicht einmal erkennen, ob sie überhaupt erwähnt wurden, geschweige denn, wie ihre Marke beschrieben oder gegenüber Wettbewerbern positioniert wurde.

Bei der vorhandenen Software sah ich zwei Probleme. Erstens wirkten viele Werkzeuge wie SEO-Plattformen mit einer nachträglich angehängten KI-Funktion. Zweitens waren die wenigen eigens dafür entwickelten Lösungen preislich nur auf Großunternehmen ausgerichtet. Wer keine große Marke mit entsprechendem Budget war, blieb ausgeschlossen und flog blind. Das fand ich nicht richtig. Jede Marke verdient zu wissen, wie sie dargestellt wird, nicht nur diejenigen, die monatlich fünfstellige Beträge ausgeben können. Mit Trendos wollen wir Marken jeder Größe einen präzisen und fair bepreisten Weg bieten, ihre KI-Sichtbarkeit zu verstehen und zu optimieren.

KI-generierte Antworten können für Marketingteams wie eine Blackbox wirken. Welche Signale scheinen anhand der von Trendos erhobenen Daten am stärksten darüber zu entscheiden, ob eine Marke von Systemen wie ChatGPT, Gemini, Claude und Perplexity erwähnt, zitiert oder empfohlen wird?

Bei den Signalen geht es vor allem darum, häufig genug an den richtigen Stellen und in strukturierter Form erwähnt zu werden. Das unterscheidet sich von SEO, wo ein Dofollow-Link nötig ist, um Autorität zu übertragen. In der KI-Suche indexieren Modelle Ihre Website nicht, sondern lesen ihre Inhalte aus. Der Link wird überflüssig. Ihr Markenname muss lediglich klar und häufig auf den Seiten erscheinen, aus denen diese Modelle bereits Informationen beziehen.

Unsere Daten zeigen fünf Säulen: die eigene Website, PR und unabhängige Medienberichterstattung, Bewertungsplattformen wie Trustpilot und G2, Affiliate-Partner und soziale Medien. Ihr jeweiliges Gewicht unterscheidet sich je nach Branche. Bekleidung und E-Commerce stützen sich stark auf eigene Medien, weil Modelle Produktseiten leicht auslesen können. Finanzdienstleistungen für Verbraucher hängen stärker von Affiliate-Vergleichsseiten ab. SaaS- und B2B-Marken werden besonders häufig anhand von Bewertungsplattformen wie G2 und Capterra zitiert. Es gibt keine allgemeingültige Formel. Man muss die eigenen Quellenverweise betrachten, um die wichtigste Säule zu erkennen.

Auch die Struktur zählt. Die Marken, die wir am häufigsten zitiert sehen, veröffentlichen klare, direkte Inhalte, die Fragen gleich zu Beginn beantworten, oft im FAQ-Stil. Das lässt sich für Modelle leicht extrahieren. Mit Schlüsselwörtern überladene Blogbeiträge helfen nicht. Was funktioniert, ist zuerst die Frage zu beantworten und danach Details hinzuzufügen. Bei KI-generierten Inhalten sehen wir derzeit keine Benachteiligung durch die Modelle. Zitiert werden Inhalte, die eine Frage gut beantworten, unabhängig davon, wer oder was sie verfasst hat.

Das Ganze enthält außerdem eine gewisse Zufälligkeit. Diese Modelle sagen das nächste Wort voraus, statt einen festen Ranking-Algorithmus auszuführen. Man kann alles richtig machen und trotzdem Schwankungen beobachten. Bei Trendos helfen wir Marken, sich auf beeinflussbare Signale zu konzentrieren, statt denjenigen hinterherzujagen, die sie nicht kontrollieren können.

Anders als eine traditionelle Google-Platzierung kann sich eine KI-Antwort verändern, wenn dieselbe Frage mehrfach gestellt wird. Wie messen Sie KI-Sichtbarkeit zuverlässig, wenn die zugrunde liegenden Modelle probabilistisch arbeiten? Und wie viele Stichproben braucht eine Marke, um belastbare Schlüsse aus den Daten zu ziehen?

Das wird in der Branche gerade intensiv diskutiert. Ein Unternehmen argumentierte kürzlich auf LinkedIn, man müsse eine Antwort ungefähr 100-mal täglich auslesen und die Ergebnisse mitteln, um zuverlässige Werte zu erhalten. Einige größere Plattformen halten weiterhin einmal täglich für ausreichend. Meiner Ansicht nach hat keine der beiden Seiten ihre Position vollständig mit echten Belegen untermauert.

Wir betrachten das empirisch. Kunden wie NordVPN nutzen unser Monitoring schon länger, sodass wir die Schwankungen ihrer Sichtbarkeit und Platzierungen über einen längeren Zeitraum sehen können. Es bewegt sich schlicht nicht besonders viel. Häufigeres Auslesen bringt vermutlich etwas mehr Genauigkeit, aber die Abweichung liegt bei einem Bruchteil eines Prozents und macht keinesfalls den Unterschied zwischen Unsichtbarkeit und Platz eins aus. Vielleicht verschiebt sich jemand von Rang 35 auf Rang 32. Das ist weit weniger wichtig als die größeren strukturellen Faktoren, an denen eine Marke tatsächlich arbeiten kann.

Unser Ansatz ist, über längere Zeit beständig zu beobachten, statt eine extreme Stichprobenfrequenz anzustreben. Marken können anhand ihrer eigenen Trendlinie beurteilen, wie stabil oder schwankungsanfällig ihre Kategorie ist.

Über SEO, die Optimierung für Antwortmaschinen und die Optimierung für generative Suchsysteme wird viel diskutiert. Welche Prinzipien der klassischen Suchmaschinenoptimierung bleiben in der KI-Suche wichtig? Wo machen Marketingteams Fehler, wenn sie ihre bisherigen SEO-Methoden einfach auf große Sprachmodelle übertragen?

Einige SEO-Prinzipien bleiben in der KI-Suche relevant. Nehmen wir die Auffächerung von Suchanfragen: die ergänzenden Suchen, die ChatGPT im Hintergrund durchführt, bevor es antwortet. Sie beruhen weiterhin auf tatsächlichem Suchverhalten, weshalb die damit verbundene Platzierung eine SEO-Aufgabe bleibt. Man optimiert weiterhin für spezifische, längere Suchbegriffe, richtet sich aber danach, wonach das Modell sucht, statt danach, was eine Person bei Google eingibt.

Viele Marketingverantwortliche nehmen fälschlich an, eine Erwähnung müsse wie ein Backlink funktionieren. Bei SEO möchte man einen Dofollow-Link, weil so Autorität und Domainbewertung übertragen werden. In der KI-Suche indexieren die Modelle Ihre Website nicht. Da sie deren Inhalte auslesen, braucht man überhaupt keinen Link, sondern nur ausreichend klare Markenerwähnungen auf einer Seite, der das Modell bereits vertraut. Viele verbringen viel Zeit mit der Suche nach Linkplatzierungen, obwohl sie sich um die Erwähnung selbst bemühen sollten.

Ein weiterer häufiger Fehler ist, alte SEO-Gewohnheiten beizubehalten. Inhalte, die hauptsächlich auf Schlüsselwörter ausgerichtet sind und die eigentliche Antwort erst weit unten enthalten, werden von KI-Modellen häufig übergangen. Beantworten Sie die Frage zuerst klar und direkt und ergänzen Sie anschließend die Details.

Ebenso falsch wäre es, SEO für tot zu erklären und bei null anzufangen. SEO ist nicht tot! GEO erweitert SEO um das Zusammenspiel mit sozialen Medien und Affiliate-Partnern. Marken, die SEO bereits gut beherrschen, haben diese Arbeit nicht umsonst geleistet. Sie sollten aber auch nicht davon ausgehen, dass die alten Regeln unverändert gelten.

Trendos verfolgt die Quellen, auf die KI-Systeme bei Antworten über Marken verweisen. Was haben Sie darüber gelernt, welchen Quellenarten KI-Suchsysteme offenbar am meisten vertrauen? Und wie stark kann ein Unternehmen diese Verweise realistisch beeinflussen, ohne das System manipulieren zu wollen?

Vertrauen folgt keiner einheitlichen Rangordnung. Es hängt von der Branche ab. Was bei Bekleidung am häufigsten zitiert wird – eigene Medien –, ist nicht dasselbe wie bei Finanzdienstleistungen für Verbraucher – Affiliate-Inhalte und Apps. Keine Quellenart setzt sich überall durch. Man muss die Verweise in der eigenen Kategorie betrachten, um zu erkennen, welchen Quellen vertraut wird.

Die Struktur ist ebenso wichtig wie die Quellenart. Angesehene redaktionelle Websites haben weiterhin Gewicht, doch es geht nicht um einen einzigen Autoritätswert wie die Domainbewertung. Unsere Beobachtung ist, dass Beständigkeit wichtiger ist: wie häufig eine Marke in einer Mischung vertrauenswürdiger Quellen erwähnt wird. Eine klare, gut strukturierte Seite einer kleineren Website kann einen langen Artikel einer größeren Publikation übertreffen, einfach weil das Modell ihre Inhalte leichter extrahieren und verwenden kann.

Einfluss ohne Manipulation würde ich vollständig von der SEO-Denkweise trennen. Es geht nicht darum, ein Linknetz zu manipulieren. Man versucht, echte Erwähnungen über diese fünf Säulen hinweg zu verdienen: die eigene Website, PR-Veröffentlichungen, Bewertungsplattformen wie Trustpilot und G2, Affiliate-Beziehungen und Präsenz in sozialen Medien. Anschließend strukturiert man alles so, dass ein Modell es leicht lesen kann. Das unterscheidet sich nicht sehr von guter Markenarbeit. Die sichtbarsten Marken konzentrieren sich weniger auf Tricks und mehr darauf, an den Stellen nachweisbar präsent zu sein, denen die Modelle bereits vertrauen.

Trendos hat einen Index der 1.000 Marken mit der größten KI-Sichtbarkeit in verschiedenen Märkten veröffentlicht. Welche Muster oder Überraschungen haben sich daraus ergeben? Und was unterscheidet Marken, die regelmäßig in KI-generierten Empfehlungen auftauchen, von Wettbewerbern, die weitgehend unsichtbar bleiben?

Die erste Überraschung ist, wie unterschiedlich sich die Systeme verhalten. Im selben Markt stimmen ChatGPT und Google AI Overviews bei ihren Empfehlungen nur bei etwa zwei Dritteln der 100 führenden Marken des Landes überein. AI Overviews bevorzugt deutlich den alltäglichen Einzelhandel. Trader Joe’s steht dort in den USA auf Rang 35, bei ChatGPT dagegen auf Rang 567. ChatGPT bevorzugt B2B- und Unternehmensmarken wie Gartner, ServiceNow und Databricks, die AI Overviews weitgehend ignoriert.

Die zweite Überraschung ist die starke lokale Ausrichtung. Siebzig Prozent der Marken unseres Index erscheinen nur in einem Land. In Deutschland besteht fast ein Drittel der Top 100 aus Marken, die weder auf der britischen noch auf der US-Liste vorkommen.

Was dauerhaft sichtbare Marken auszeichnet, ist ihre Breite. Eine typische Top-10-Marke erscheint in mehr als 90 Produktkategorien, eine Marke in der unteren Hälfte der Rangliste in ungefähr fünf. Sie werden nicht nur häufiger erwähnt, sondern sind für deutlich mehr Fragen relevant. Und die Listen verändern sich schnell: Ganz oben bewegt sich von Monat zu Monat kaum etwas, aber rund 13 % der Marken verschwinden innerhalb eines einzigen Monats aus der jeweiligen Liste. Sichtbarkeit gewinnt man nicht ein für alle Mal; man muss sie sich immer wieder verdienen.

Trendos’ Ad Radar verfolgt gesponserte Platzierungen neben ChatGPT-Unterhaltungen. Welche Branchen und Werbetreibenden bewegen sich laut Ihren ersten Daten am schnellsten? Wie sollten Marketingteams bezahlte Sichtbarkeit von Marken unterscheiden, die das zugrunde liegende KI-Modell organisch erwähnt oder empfiehlt?

ChatGPT-Anzeigen entfallen überwiegend auf Einzelhandel und B2C. Diese Bereiche machen etwa 50 bis 70 % der von uns erfassten Anzeigen aus. Der Rest ist B2B, hauptsächlich Unternehmen und Agenturen, die für ihre eigenen Dienstleistungen werben. Das ist nachvollziehbar, denn die Nutzerschaft von ChatGPT besteht überwiegend aus Verbrauchern, auch wenn B2B ebenfalls deutlich vertreten ist.

OpenAIs Werbeplattform steht noch am Anfang. Laufend kommen Formate und Funktionen hinzu, und die Einführung verläuft ungleichmäßig: Bei meiner letzten Prüfung waren Anzeigen in mehreren europäischen Märkten weder aktiv noch abrechenbar, obwohl OpenAI die Expansion dorthin bereits angekündigt hatte. Aussagen über besonders schnelle Branchen sind deshalb eher eine Momentaufnahme derjenigen, die etwas Neues ausprobieren wollen, als ein Bild davon, wer in sechs Monaten noch werben wird.

Hier liegen auch die Informationslücken für Werbetreibende. OpenAI zeigt weder, bei welchen Prompts die eigenen Anzeigen erscheinen, noch, was Wettbewerber tun. Mit Trendos’ Ad Radar können Marken genau sehen, welche Prompts ihre Anzeigen auslösen, und die anderen Werbetreibenden ihrer Kategorie beobachten: wie viele Anzeigen sie schalten, wohin diese führen und welche Überschriften und Beschreibungen sie verwenden.

Derzeit lassen sich bezahlte und organische Erwähnungen leicht unterscheiden. ChatGPT kennzeichnet gesponserte Platzierungen klar und zeigt sie am Ende der Antwort, sodass nichts in den eigentlichen Antworttext gemischt wird. Bei einer organischen Empfehlung wählt das Modell Sie als Antwort aus; bei einer bezahlten Platzierung mieten Sie einen Platz darunter.

Ich erwarte ehrlich gesagt, dass diese Unterscheidung mit der Zeit schwieriger wird. Je mehr eine Anzeige wie ein echter Teil der Antwort aussieht und wirkt, desto besser funktioniert sie tendenziell. Das war bei Google und Meta so, und ChatGPT wird wahrscheinlich denselben Weg gehen. Genau deshalb müssen Marken ihre bezahlte und organische Sichtbarkeit nebeneinander beobachten.

Eine Herausforderung bei der Optimierung für generative Suchsysteme besteht darin, Korrelation von Kausalität zu trennen. Wie kann ein Marketingteam bei verbesserter KI-Sichtbarkeit feststellen, welche Maßnahme tatsächlich dafür verantwortlich war – digitale PR, Berichterstattung Dritter, bessere eigene Inhalte, Bewertungen, technische Änderungen oder etwas anderes?

Die Zuordnung von Ergebnissen zu Maßnahmen ist eine der schwierigsten Fragen bei GEO. Noch kann niemand jede einzelne Maßnahme perfekt mit jedem Ergebnis verbinden. Marken müssen aber keineswegs nur raten. Mit Trendos sieht man genau, welche Quellen KI-Systeme zitieren, wenn sie die eigene Marke und Wettbewerber erwähnen. Das sagt viel darüber aus, was funktioniert.

Am zuverlässigsten ist es, eine konkrete Maßnahme mit einer konkreten Quelle zu verbinden. Erscheint ein Beitrag auf einer Website, die in Ihrer Kategorie bereits zitiert wird, können Sie beobachten, ob diese Quelle in Antworten auf relevante Prompts auftaucht und ob Ihre Marke dabei erwähnt wird. Dasselbe gilt für Bewertungen, Affiliate-Platzierungen oder neue Inhalte auf der eigenen Website. Man wartet nicht darauf, dass sich der Gesamtwert verändert, und rätselt über den Grund, sondern sieht, welche Quellen die Modelle tatsächlich nutzen.

Bei bezahlter Werbung ist es noch deutlicher. Mit ChatGPT-Anzeigen lässt sich der direkte Effekt wie bei jedem anderen bezahlten Kanal verfolgen, indem man UTM-Parameter zur Messung von Zugriffen und Conversions verwendet.

Es lohnt sich dennoch, Trends über mehrere Wochen zu betrachten, statt auf einen einzelnen Tag zu reagieren, weil KI-Antworten naturgemäß variieren. Wir entwickeln außerdem Key Insights, das diese Zusammenhänge automatisch sichtbar macht, damit Teams nicht jede Grafik selbst durchforsten müssen. Bei GEO bleibt eine gewisse Unsicherheit, doch Marken verfügen inzwischen über Werkzeuge, mit denen sie klar erkennen können, was ihnen den größten Nutzen bringt.

Trendos hat kürzlich eine MCP-Integration vorgestellt, über die KI-Agenten Daten zu Sichtbarkeit, Wettbewerbern, Quellenverweisen und Werbung direkt abfragen können. Erwarten Sie, dass sich die Verwaltung der KI-Sichtbarkeit von Marketingteams, die Dashboards auswerten, hin zu Agenten verlagert, die fortlaufend Lücken erkennen und in ihrem Auftrag Änderungen empfehlen oder ausführen?

Ich denke, genau dorthin führt die Entwicklung, und wir arbeiten bereits darauf hin. Auch ohne Agenten entwickelt sich Trendos dahin, Dinge für Marken zu erledigen, statt ihnen nur ein Dashboard zu zeigen. Kürzlich fanden wir einen kleinen Hersteller, dessen Website wegen eines einfachen technischen Problems vollständig für KI-Bots gesperrt war. Niemand im Team wusste, dass man das prüfen sollte. Wir informierten die Marke darüber, wollen solche Probleme aber künftig für sie beheben können, ohne dass auf ihrer Seite zunächst jemand eine Grafik interpretieren muss.

Agenten sind eine natürliche Erweiterung davon. Wenn ein System die Daten hinter Trendos bereits lesen kann, sollte es kein großer Sprung sein, einen fehlenden Quellenverweis zu erkennen und entsprechend zu handeln. Dashboards werden meiner Ansicht nach nicht vollständig verschwinden. Unsere technisch versierteren Nutzer wollen weiterhin Rohdaten, besonders die genauen aufgefächerten Suchanfragen und den tatsächlichen Antworttext. Für die meisten Marken – die 90 %, die keine Datenanalysten sein wollen – sehe ich als Ziel jedoch einen Agenten, der dies unauffällig im Hintergrund verwaltet und nur dann darauf aufmerksam macht, wenn eine menschliche Entscheidung erforderlich ist.

KI-Assistenten gehen zunehmend über das Beantworten von Fragen hinaus: Sie empfehlen Produkte, vergleichen Anbieter und werden über Agenten schließlich auch Transaktionen abschließen. Wie wird sich Ihrer Ansicht nach der Begriff „Suchsichtbarkeit“ verändern, und welche Kennzahlen werden für Marken letztlich am wichtigsten sein?

Ich denke, „Suchsichtbarkeit“ wird zu einem Teil einer größeren Frage: Wählt ein Agent Ihre Marke aus, wenn er im Auftrag einer Person handelt? In einer Antwort erwähnt zu werden, ist das eine. Die Marke zu sein, die ein Agent tatsächlich auswählt, im Vergleich positiv bewertet und mit der er eine Transaktion abschließt, stellt ganz andere und deutlich höhere Anforderungen. Mit agentengestütztem Handel sehen wir bereits die Anfänge davon.

Sobald dieser Handel an Fahrt gewinnt, wird Sichtbarkeit allein nicht genügen. Die Tonalität der Aussagen über eine Marke wird enorm an Bedeutung gewinnen. Ein Agent, der in Ihrem Auftrag drei Anbieter vergleicht, wird nicht nur prüfen, wer erwähnt wird, sondern auch, wer als vertrauenswürdig, gut bewertet und preiswert beschrieben wird. Die Empfehlungsquote – also wie häufig Ihre Marke unter den berücksichtigten Marken ausgewählt wird – wird deutlich aussagekräftiger sein als die reine Anzahl der Erwähnungen.

Außerdem dürften Struktur und Maschinenlesbarkeit wichtiger werden. Heute geht es darum, Inhalte im FAQ-Stil zu schreiben, damit ein Modell sie leicht extrahieren kann. Wenn Agenten in Ihrem Auftrag Transaktionen durchführen, wird entscheidend sein, ob Preise, Lagerbestände und Bedingungen so strukturiert sind, dass ein Agent sie lesen und unmittelbar danach handeln kann, statt sie nur zu beschreiben.

Eine wichtige Einschränkung: Wir stehen noch am Anfang. Das sage ich lieber offen, als so zu tun, als hätten wir bereits alles vollständig verstanden. Sicher bin ich mir aber, dass Marken, die diesen Wandel beachten, bevor Agenten in großem Umfang Transaktionen durchführen, einen echten Vorsprung haben werden – ähnlich wie die frühen SEO-Vorreiter bei Google.

Vielen Dank für das interessante Interview. Wer mehr erfahren möchte, kann Trendos besuchen.