TL;DR: Affiliate-Einnahmen hängen an einer Kette mit vier Gliedern: Jemand sucht, klickt sich auf Ihre Seite durch, klickt Ihren Affiliate-Link, kauft. Die KI-Suche greift das zweite Glied an, und zwar ungleichmäßig. Browsing-Daten des Pew Research Center aus März 2025 ergaben, dass Nutzer bei eingeblendeter Google-KI-Zusammenfassung in 8% der Besuche auf ein klassisches Suchergebnis klickten, gegenüber 15% ohne Zusammenfassung. Überträgt man diese verifizierte Differenz auf die veröffentlichte Provisionstabelle von Amazon Associates, ergibt sich ein einheitlicher Rückgang der Provisionserlöse um 46,7% über sämtliche Produktkategorien hinweg, von 4,5% bei Büchern bis 1% bei Gesundheitsprodukten. Weil der Rückgang einheitlich ist, rettet ein Kategoriewechsel das Modell nicht. Die eigentliche Variable ist die Form der Suchanfrage: Laut Pew erschienen KI-Zusammenfassungen bei 60% der Suchanfragen in Frageform, aber nur bei 8% der Anfragen aus ein bis zwei Wörtern. Rezensionsinhalte, die auf “bestes X für Y” abzielen, stehen damit auf dem exponiertesten Feld des Bretts. Die strategische Antwort besteht darin, das Portfolio auf Anfrageformen und Traffic-Quellen zu verlagern, die KI-Zusammenfassungen nicht abfangen, und Affiliate-Einnahmen nicht länger als passiv zu behandeln.
Rund fünfzehn Jahre lang funktionierte Affiliate-Publishing nach einer stabilen Annahme: Wer eine Vergleichsseite nach oben bringt, bekommt von Google Menschen geschickt, und ein vorhersehbarer Anteil davon kauft etwas. Jeder Ratschlag dieser Kategorie, jedes Keyword-Tool, jeder “Baue eine Nischenseite”-Leitfaden beruhte darauf, dass diese Annahme trägt.
Sie trägt nicht mehr, und das Interessante daran ist nicht, dass der Traffic gefallen ist. Interessant ist, wo er gefallen ist und wo nicht, denn genau diese Verteilung sagt Ihnen, was als Nächstes zu tun ist.
Dies ist ein Realitätscheck aus zwei öffentlichen Quellen: verifizierte Klickdaten und eine veröffentlichte Provisionstabelle. Keine Prognosen, keine Anbieterschätzungen. Nur das, was die Zahlen sagen, wenn man sie nebeneinanderlegt.
Die eine verifizierte Zahl, die das Modell verändert
Das Pew Research Center veröffentlichte am 22. Juli 2025 eine Studie zum Surfverhalten, basierend auf 900 US-Erwachsenen, die der Installation eines Browser-Trackers zugestimmt hatten. Sie umfasste 68.879 einzelne Google-Suchanfragen aus dem März 2025, von denen 12.593 eine KI-Zusammenfassung erzeugten.
Die für die Affiliate-Ökonomie entscheidenden Befunde:
- Bei eingeblendeter KI-Zusammenfassung klickten Nutzer in 8% der Besuche auf ein klassisches Suchergebnis.
- Ohne KI-Zusammenfassung klickten sie in 15% der Besuche auf ein Ergebnis.
- Auf einen Link innerhalb der KI-Zusammenfassung klickten sie in 1% der Besuche.
- Mit KI-Zusammenfassung endeten 26% der Besuche mit dem vollständigen Abbruch der Sitzung, ohne Zusammenfassung 16%.
- Rund 18% aller Google-Suchanfragen des Monats erzeugten eine KI-Zusammenfassung.
Diese Bewegung von 15% auf 8% ist die ganze Geschichte. Sie bedeutet einen relativen Rückgang von 46,7% bei der Wahrscheinlichkeit, dass aus einer Suche ein Besuch wird. Und die Zahl zum Sitzungsabbruch sagt Ihnen, dass der Traffic nicht auf eine andere Seite umverteilt wird, die Ihnen ebenfalls gehören könnte. Er verschwindet.
Die Klickrate von 1% innerhalb der Zusammenfassung verdient einen eigenen Moment. In Verlagskreisen bestand die verbreitete Hoffnung, eine Nennung als Quelle in der KI-Antwort werde den verlorenen organischen Klick ersetzen. Bei 1% der Besuche ist eine Quellennennung ein Markenergebnis, kein Traffic-Kanal. Planen Sie entsprechend.
Eigenes Modell 1: Was der Klickeinbruch mit den Provisionserlösen macht
Hier ist das Erste, was sich zu bauen lohnt. Die Betriebsvereinbarung von Amazon Associates veröffentlicht feste Provisionssätze nach Produktkategorie. Kombiniert man diese veröffentlichten Sätze mit den Pew-Klickzahlen, entsteht ein Erlösbild pro Kategorie.
Das Modell hält sämtliche nachgelagerten Annahmen in beiden Szenarien konstant. Konversionsrate und durchschnittlicher Bestellwert sind ausdrücklich als illustrative Modellparameter gekennzeichnet, nicht als gemessene Statistiken, und sie sind in beiden Spalten identisch. Damit wird der Unterschied zwischen den Spalten ausschließlich von den verifizierten Pew-Klickdaten getrieben, während die absoluten Zahlen den Verhältnissen eine anschauliche Gestalt geben.
Modellgrundlage: 10.000 kommerzielle Suchanfragen. Die Basis vor der KI erzeugt 1.500 Besuche (15%). Das Szenario mit KI-Zusammenfassung erzeugt 800 Besuche (8%). Die illustrative Konversion vom Besuch zum Kauf liegt in beiden Szenarien konstant bei 2%.
| Kategorie | Amazon-Satz (veröffentlicht) | Illustrativer Bestellwert | Provision je Bestellung | Erlös vor KI (1.500 Besuche) | Erlös mit KI-Zusammenfassung (800 Besuche) | Rückgang |
|---|---|---|---|---|---|---|
| Gedruckte Bücher | 4,5% | 22 $ | 0,99 $ | 29,70 $ | 15,84 $ | 46,7% |
| Küche | 4,5% | 85 $ | 3,83 $ | 114,75 $ | 61,20 $ | 46,7% |
| Bekleidung | 4,0% | 55 $ | 2,20 $ | 66,00 $ | 35,20 $ | 46,7% |
| Kopfhörer | 3,0% | 110 $ | 3,30 $ | 99,00 $ | 52,80 $ | 46,7% |
| PC-Komponenten | 2,5% | 180 $ | 4,50 $ | 135,00 $ | 72,00 $ | 46,7% |
| Fernseher | 2,0% | 600 $ | 12,00 $ | 360,00 $ | 192,00 $ | 46,7% |
| Gesundheit und Körperpflege | 1,0% | 40 $ | 0,40 $ | 12,00 $ | 6,40 $ | 46,7% |
CEOtudent-Redaktionsrahmen. Die Provisionssätze stammen aus der veröffentlichten Standardtabelle von Amazon Associates. Die Klickraten stammen aus den Browsing-Daten des Pew Research Center. Durchschnittliche Bestellwerte und Konversionsrate sind illustrative Modellparameter, die in beiden Szenarien konstant gehalten werden.
Lesen Sie die letzte Spalte noch einmal. Sieben Mal dieselbe Zahl.
Das ist der Befund, den die meisten Affiliate-Kommentare übersehen. Der Rückgang ist eine Eigenschaft der Traffic-Ebene, nicht der Provisionsebene. Eine Kategorie mit 4,5% und eine mit 1% verlieren exakt denselben Anteil ihrer Erlöse, weil der Verlust eintritt, bevor überhaupt jemand Ihre Seite erreicht. Der Standardreflex, auf Kategorien mit höherer Provision auszuweichen, verändert die Größe der Zahl in der vierten Spalte und bewirkt in der siebten überhaupt nichts.
Eine zweite Lesart ist bemerkenswert. Weil der Verlust proportional und nicht absolut ist, verlieren hochpreisige Kategorien bei demselben Klickrückgang weit mehr Geld. Die Zeile Fernseher gibt 168 $ ab, die Zeile Bücher 13,86 $. Seiten, die auf teuren Produkten aufbauen, haben absolut mehr Umsatz im Risiko, obwohl ihre prozentuale Exponierung identisch ist.
Eigenes Modell 2: Die Exponierung verteilt sich nicht gleichmäßig
Wenn die Kategorie der falsche Hebel ist, welcher ist der richtige? Pew berichtete, wie oft KI-Zusammenfassungen je nach Form der Anfrage erschienen, und genau dort liegt die eigentliche Varianz:
- Suchanfragen in Frageform: Zusammenfassung erschien in 60% der Fälle
- Anfragen mit 10 oder mehr Wörtern: 53%
- Anfragen als vollständiger Satz: 36%
- Anfragen aus ein bis zwei Wörtern: 8%
- Alle Anfragen: 18%
Kombiniert man die Auslöseraten mit den beiden verifizierten Klickraten, ergibt sich für jede Anfrageform eine gemischte erwartete Klickrate. Die Rechnung ist unkompliziert: Die erwartete Klickrate ist der Anteil der Anfragen ohne Zusammenfassung mal 15% plus der Anteil mit Zusammenfassung mal 8%.
| Form der Anfrage | Auslöserate KI-Zusammenfassung | Gemischte erwartete Klickrate | Erhalt gegenüber Basis von 15% | Typische Affiliate-Inhalte auf diesen Plätzen |
|---|---|---|---|---|
| Frageform (“welches X ist am besten für Y”) | 60% | 10,80% | 72,0% | Kaufberatungen, Vergleichsbeiträge, Bestenlisten |
| 10 oder mehr Wörter | 53% | 11,29% | 75,3% | Long-Tail-Rezensionen zur Problemlösung |
| Vollständiger Satz | 36% | 12,48% | 83,2% | Dialogorientierte Anleitungen und Fehlerbehebung |
| Alle Anfragen (gemischter Durchschnitt) | 18% | 13,74% | 91,6% | Gemischtes Portfolio |
| Ein bis zwei Wörter | 8% | 14,44% | 96,3% | Markennamen, konkrete Modellnummern, Kategoriebegriffe |
CEOtudent-Redaktionsrahmen. Auslöseraten und beide Klickraten stammen aus den Browsing-Daten des Pew Research Center; gemischte Klickrate und Erhalt sind abgeleitet.
Diese Tabelle ist die handlungsrelevante, und sie sagt etwas sehr Bestimmtes.
Der Abstand zwischen der am stärksten und der am wenigsten exponierten Anfrageform ist erheblich: 72,0% Erhalt gegenüber 96,3%. Und die am stärksten exponierte Form ist genau jene, auf die Affiliate-Rezensionen optimiert werden, seit es diese Kategorie gibt. “Welches Notebook ist das beste für Studierende” ist eine Anfrage in Frageform. Sie ist das archetypische Affiliate-Keyword. Sie ist zugleich die Anfrageform, die am wahrscheinlichsten beantwortet wird, bevor irgendjemand ein Ergebnis erreicht.
Die am wenigsten exponierte Form sind dagegen kurze Marken- und Modellanfragen. Wer eine bestimmte Modellnummer sucht, hat bereits entschieden, worüber er sich informiert, und sucht ein konkretes Ziel. KI-Zusammenfassungen fangen diese Absicht weit seltener ab.
Das ist eine Portfolio-Erkenntnis, keine Taktik zur Traffic-Rückgewinnung. Sie besagt, dass jene Affiliate-Inhalte am besten überleben, die einer bereits getroffenen Kaufentscheidung am nächsten stehen, und dass jene am stärksten leiden, die die Entscheidung für jemanden treffen wollen.
Was die CEO-Perspektive daraus macht und was die Studierenden-Perspektive
Die Frage der CEO-Perspektive lautet nicht “Wie hole ich meinen Traffic zurück”. Diese Frage unterstellt, der alte Kanal sei wiederherstellbar. Das ist er überwiegend nicht, und wer zwei Jahre darauf verwendet, einen strukturell beschädigten Kanal zu reparieren, hat einen Fehler in der Kapitalallokation begangen, keinen in der Suchmaschinenoptimierung.
Die Frage lautet: Was ist die richtige Allokation für einen Kanal, der am exponierten Ende noch rund 72% und am geschützten Ende 96% seines Werts behält?
Daraus folgen drei Konsequenzen.
Affiliate-Einnahmen hören auf, passiv zu sein. Die Bezeichnung passiv hat den Wartungsaufwand immer zu niedrig angesetzt, und diese Verschiebung räumt den letzten Rest dieser Fiktion ab. Ein Kanal, dessen Auslieferungsmechanismus von der Plattform, der er gehört, aktiv umgebaut wird, verlangt fortlaufende Aufmerksamkeit. Wer Affiliate-Erlöse als Anlage nach dem Prinzip einmal aufsetzen und vergessen modelliert, hat das Modell schon vor dem Start falsch gewählt. Was Wartung über verschiedene Ertragsarten hinweg tatsächlich kostet, haben wir im Beitrag Mythos passives Einkommen betrachtet; Affiliate steht inzwischen am wartungsintensiven Ende dieser Spanne, nicht am unteren.
Affiliate-Geschäfte mit nur einem Kanal tragen ein Konzentrationsrisiko, das nun sichtbar ist. Zwischen dem Geschäft und jedem verdienten Euro steht ein einziger Vermittler, und dieser Vermittler hat die Bedingungen einseitig und ohne Verhandlung geändert. Das ist die Definition einer konzentrierten Abhängigkeit. Die Antwort ist die übliche: eine direkte Beziehung zum Publikum aufbauen, die nicht über den Vermittler läuft, und Erlösmodelle ergänzen, die nicht von abfangbarem Traffic abhängen. Die Matrix zur Monetarisierung von Expertise zeigt, welche Modelle auf geliehener Distribution beruhen und welche nicht.
Der verbleibende Klick ist mehr wert, behandeln Sie ihn entsprechend. Wenn strukturell weniger Menschen ankommen, steigt der Wert jedes Ankommenden. Das spricht für Tiefe statt Breite: weniger Seiten, dafür bessere, mit echten Tests und Vergleichen, die eine KI-Zusammenfassung nicht komprimieren kann, ohne die Substanz zu verlieren. Eine Seite, die nur Spezifikationen wiedergibt, ist genau das, was zusammengefasst wird. Eine Seite mit Informationen, die es nirgendwo sonst gibt, lässt sich nicht zusammenfassen.
Die Studierenden-Seite davon ist einfacher und schwieriger zugleich. Die Mechanik dieses Kanals hat sich binnen achtzehn Monaten verändert. Sie wird sich wieder verändern. Wer Affiliate-Marketing als festen Satz von Taktiken gelernt hat, hält nun entwertetes Wissen; wer es als System mit identifizierbaren Kettengliedern gelernt hat, sieht genau, welches Glied gebrochen ist, und kann über das nächste nachdenken. Dieser Unterschied liegt nicht am Aufwand. Er liegt daran, wie das Lernen von Anfang an strukturiert war.
Was weiterhin funktioniert
Drei Dinge sind sichtbar weniger exponiert, und sie folgen direkt aus dem Exponierungsmodell.
Traffic, der nicht in einem Suchfeld entsteht. E-Mail-Listen, Communities, Videoplattformen und Direktbesuche laufen nicht durch eine Ebene mit KI-Zusammenfassungen. Das ist die klarste strukturelle Folgerung aus den Pew-Daten, und sie weist in dieselbe Richtung wie die Frage nach dem minimal tragfähigen Publikum: Eigene Distribution gewinnt an Wert, sobald geliehene Distribution unzuverlässig wird.
Inhalte für bereits getroffene Entscheidungen. Die 96,3% Erhalt bei kurzen Modell- und Markenanfragen sind die geschützteste Position auf dem Brett. Inhalte für jemanden, der weiß, was er will, und konkrete Details braucht, sind strukturell sicherer als Inhalte, die jemandem bei der Auswahl helfen wollen.
Echte Tests und eigene Vergleiche. Eine KI-Zusammenfassung funktioniert, indem sie den Konsens über Quellen hinweg verdichtet. An Informationen, die nur an einer einzigen Stelle vorkommen, scheitert sie. Eigene Messung ist die einzige Inhaltsform, die sich der Zusammenfassung entzieht, und genau diese Logik macht sie unabhängig vom Kanal lohnend.
Nichts davon stellt die Ökonomie von 2019 wieder her. Es verschafft Ihnen einen Kanal, der in realistischem Umfang funktioniert, mit einem realistischen Verständnis dessen, was seine Pflege kostet. Das ist ein schlechteres Geschäft, als Affiliate-Marketing es einmal war, und ein deutlich besseres, als so zu tun, als hätte sich nichts geändert.
Eine betriebliche Anmerkung, die nichts mit Algorithmen zu tun hat: Die Endorsement Guides der US-amerikanischen Federal Trade Commission verlangen, dass materielle Verbindungen klar und deutlich, nahe an der betreffenden Empfehlung und bei jedem Auftreten offengelegt werden. Diese Pflicht ist unabhängig davon, wie der Traffic zustande kommt, und sie gilt der Empfehlung selbst, nicht der Traffic-Quelle.
Häufig gestellte Fragen
Ist Affiliate-Marketing 2026 tot?
Nein, aber seine Stückkosten-Rechnung hat sich wesentlich verändert. Die verifizierten Daten zeigen einen relativen Rückgang der Klickrate um 46,7%, wenn eine KI-Zusammenfassung erscheint, und dass Zusammenfassungen bei etwa 18% aller Suchanfragen auftreten, aber bei 60% der Anfragen in Frageform. Das ist eine ernsthafte, an einer bestimmten Stelle konzentrierte Wertminderung, kein Aussterben. Ein Geschäft, das auf den exponierten Anfrageformen aufbaut, hat ein echtes Problem; eines, das auf kurzen Anfragen, eigenem Publikum oder eigenem Testtraffic beruht, ein beherrschbares.
In welche Produktkategorie sollte ich wechseln?
Ein Kategoriewechsel löst das Problem nicht. Das obige Erlösmodell zeigt einen identischen Rückgang von 46,7% über jede Provisionsstufe von 4,5% bis 1%, weil der Verlust auf der Klickebene eintritt, bevor der Provisionssatz überhaupt angewendet wird. Kategorien mit höherer Provision erzeugen mehr Erlös pro Verkauf; sie halten nicht mehr Traffic. Die Variablen, die den Erhalt tatsächlich bewegen, sind Anfrageform und Traffic-Quelle.
Ersetzt eine Nennung als Quelle in der KI-Zusammenfassung den verlorenen Traffic?
Nach heutiger Datenlage nicht. Pew fand, dass Nutzer in 1% der Besuche auf einen Link innerhalb der Zusammenfassung klickten, gegenüber 8%, die bei denselben Anfragen mit Zusammenfassung auf ein klassisches Ergebnis klickten. Eine Quellennennung hat Markenwert und möglicherweise nachgelagerte Effekte, die Klickdaten nicht erfassen, doch sie als Traffic-Kanal zu behandeln, wird von den Zahlen nicht gestützt.
Warum hielten sich kurze Anfragen aus ein bis zwei Wörtern so viel besser?
Pew fand, dass KI-Zusammenfassungen bei nur 8% der Anfragen aus ein bis zwei Wörtern erschienen, gegenüber 60% bei Anfragen in Frageform. Kurze Anfragen sind oft navigierend oder sehr spezifisch, wo eine Zusammenfassung wenig beiträgt. Daraus ergibt sich eine gemischte erwartete Klickrate von 14,44% gegenüber der Basis von 15%, also rund 96% Erhalt.
Was tue ich zuerst, wenn der Großteil meines Traffics aus Frageform-Anfragen stammt?
Zwei Dinge parallel. Verlagern Sie einen erheblichen Teil des Aufwands darauf, das Publikum direkt zu gewinnen, damit künftige Erlöse gar nicht mehr vom Suchklick abhängen. Verschieben Sie dann neue Inhalte an das geschützte Ende der Exponierungstabelle, also zu modellspezifischen und nachgelagerten Inhalten sowie zu eigenen Tests, die sich nicht aus anderen Quellen zusammenfassen lassen. Zu versuchen, das frühere Traffic-Niveau bei denselben Anfrageformen wiederherzustellen, ist die von den Daten am wenigsten gestützte Option.
Quellen
- Pew Research Center, Google users are less likely to click on links when an AI summary appears in the results, 22. Juli 2025
- Amazon Associates Programm, Betriebsvereinbarung, Standardtabelle der Provisionssätze
- US-amerikanische Federal Trade Commission, Guides Concerning the Use of Endorsements and Testimonials in Advertising
- US-amerikanische Federal Trade Commission, The FTC’s Endorsement Guides: What People Are Asking
- Organisation für wirtschaftliche Zusammenarbeit und Entwicklung, Forschung zu digitaler Plattformvermittlung und Marktkonzentration
- Peter Drucker, Management: Tasks, Responsibilities, Practices, Harper and Row
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
This post is also available in:
