Dark-Traffic und Phantom-Zugriffe
Wenn Traffic täuscht: Wie KI-Bots Marketing-KPIs verzerren
Phantom-Traffic von KI-Systemen stellt Marketer vor Herausforderungen. Matomo-CTO Thomas Steur erklärt, wie sich reagieren lässt.
Bild: grollmann / erzeugt mit ChatGPt
23.03.2026 - Immer mehr Website-Zugriffe stammen nicht von echten Nutzern, sondern von KI-Systemen. Das verändert die Aussagekraft zentraler Marketingkennzahlen grundlegend. Warum klassische Analysen zunehmend an ihre Grenzen stoßen und wie Teams darauf reagieren können.
von Thomas Steur , Grollmann
Viele Marketing- und ECommerce-Teams kennen dieses Szenario: Der Traffic sinkt, Engagement-Werte wirken schwächer als früher. Wenn Benutzer konvertieren, dann oft, ohne sich vorher auf der Website informiert zu haben. Bewährte Marketing-Methoden liefern nicht mehr die gewohnten Erfolge. Die üblichen Verdächtigen - Creatives, Targeting oder Landingpages - werden überprüft, ohne eine klare Ursache zu finden. Der Grund für diese Verschiebungen liegt in der Herkunft des Traffics. Ein wachsender Anteil der Website-Zugriffe geht mittlerweile auf automatisierte Systeme zurück statt auf reale Besucher. Dazu zählen etwa LLM-Crawler, KI-Agenten und Scraping-Tools. Sie greifen auf Websites zu, beispielsweise um Trainingsdaten zu sammeln, Informationen für KI-gestützte Antwortsysteme abzurufen, oder komplexe Rechercheaufträge zu erledigen.
Daraus entsteht ein neues Phänomen: sogenannter Dark- und Phantom-Traffic. Gemeint sind Besuche, die in Analytics-Systemen nicht erfasst werden, und Zugriffe, die wie echte Besucher erscheinen, tatsächlich aber von Maschinen stammen. Die Folge sind verzerrte KPIs und Marketingdaten, die sich zunehmend schwer interpretieren lassen.
Wenn Traffic allein keine aktiven Nutzer mehr garantiert
Über Jahre hinweg konnten Marketing-Teams davon ausgehen, dass Website-Traffic weitgehend menschliches Verhalten widerspiegelt. Analytics war zwar nie perfekt, doch die gemessenen Interaktionen beruhten größtenteils auf realen Besuchern.Diese Annahme gerät nun ins Wanken. Moderne KI-Systeme greifen aktiv auf Websites zu, um Inhalte abzurufen oder zu analysieren. Bereits eine einzelne Anfrage an einen KI-Assistenten kann mehrere automatisierte Seitenaufrufe auslösen.
Viele dieser Besuche werden von gängigen Tools gar nicht erst getrackt. Zudem steigt der Anteil der Systeme, die auf vollständige Browserumgebungen zurückgreifen. Sie laden Seiten, führen JavaScript aus und lösen damit dieselben Tracking-Ereignisse aus wie ein normaler Besucher. Für Analytics-Systeme wirkt ein solcher Zugriff deshalb oft wie eine reguläre Sitzung. Aus Sicht der Webanalyse entsteht damit Traffic - jedoch ohne tatsächliche Nutzerinteraktion.
Welche KPIs besonders betroffen sind
Automatisierter Traffic verändert nicht nur die Besucherzahlen. Er kann auch zentrale Marketing-Kennzahlen verschieben, auf deren Basis Budgets und Kampagnen optimiert werden. Besonders betroffen sind:- Conversion-Rate
Automatisierte Systeme besuchen Seiten, konvertieren aber nicht. Steigt der Anteil solcher Besuche am gesamten Traffic, sinkt die Conversion-Rate - selbst dann, wenn sich das Verhalten realer Besucher nicht verändert hat. Viel häufiger kommt es jedoch zu folgendem Verhalten: Benutzer verwenden KI-Chatbots, um sich über Produkte zu informieren - und besuchen die entsprechenden Websites erst gezielt für den Kauf. Die Folge: Conversion, ohne dass Besucher vorher die designierte Content-Journey durchlaufen.
- Engagement-Metriken
Bots analysieren Inhalte schnell und zielgerichtet. Sie verweilen nur kurz auf einzelnen Seiten und navigieren direkt zu bestimmten Informationen. Kennzahlen wie Verweildauer, Scrolltiefe oder Seiten pro Sitzung können dadurch deutlich niedriger ausfallen.
- Channel-Performance und Budgetentscheidungen
Wenn Conversion erfolgt, ohne dass Benutzer vorher die Website je besucht haben, verschieben sich auch Kennzahlen wie CPA oder ROAS. Marketingteams laufen Gefahr, Kampagnen falsch zu bewerten oder Budgets auf Basis verzerrter Daten zu optimieren.
Das Problem zeigt sich selten in klar erkennbaren Ausreißern. Stattdessen entstehen kleine Veränderungen über viele Kennzahlen hinweg. In Dashboards wirken die Daten weiterhin plausibel - ihre Aussagekraft verändert sich jedoch schleichend.
Wenn Marketingentscheidungen auf Phantom-Signalen basieren
Besonders kritisch wird Dark- und Phantom-Traffic überall dort, wo Marketingteams operative Entscheidungen treffen. In vielen Organisationen werden Kampagnen, Budgets und Optimierungsmaßnahmen direkt aus Analytics-Daten abgeleitet. Enthalten diese Daten jedoch zunehmend automatisierte Zugriffe, verschiebt sich auch die Grundlage dieser Entscheidungen.Ein typisches Beispiel ist die Bewertung von Performance-Kampagnen. Steigt der Traffic aus einem bestimmten Kanal deutlich an, während gleichzeitig die Conversion-Rate sinkt, wird häufig eine nachlassende Kampagnenqualität vermutet. Und wenn Benutzer konvertieren, ohne die thematischen Landing-Pages und Blogs zu konsumieren, wird schnell deren Relevanz angezweifelt. Marketingteams reagieren, wie eingangs bereits beschrieben, häufig mit Anpassungen an Creatives, Targeting oder Landingpages.
In manchen Fällen liegt die Ursache jedoch nicht im Marketing selbst, sondern im Traffic-Mix. Wenn automatisierte Systeme bestimmte Seiten abrufen - etwa Produktbeschreibungen, Dokumentationen oder Vergleichsseiten -, dies jedoch nicht getrackt wird, erscheinen die Seiten wenig relevant. Tatsächlich verschiebt sich nur die Informations-Journey - Benutzer konsumieren die Informationen über KI-Chatbots und steigen erst zum Conversion-Zeitpunkt in die Website ein. Das tatsächliche Kaufinteresse verschiebt sich dabei nicht - nur die Art und Weise, wie Informationen konsumiert werden.
Gerade im Bereich Content-Marketing und SEO kommt es oft zu Frustration. Sorgfältig geplante Content-Pieces bekommen scheinbar nicht die (menschliche) Aufmerksamkeit, die sie verdienen. Das bedeutet aber nicht, dass KI-Chatbots sie nicht als Quelle verwenden und Benutzer die Inhalte somit sekundär konsumieren.
Solche Effekte wirken zunächst klein. Über längere Zeiträume können sie jedoch die Bewertung von Kanälen, Kampagnen und Content spürbar verschieben. Entscheidungen über Budgetverteilung oder Optimierungsmaßnahmen beruhen dann teilweise auf Signalen, die nicht von realen Nutzern stammen.
Warum Marketing-Teams das Problem oft übersehen
Automatisierter Traffic ist kein neues Thema. Doch moderne KI-Systeme unterscheiden sich deutlich von klassischen Bots. Frühere Bots waren oft leicht erkennbar: Sie nutzten eindeutige User-Agent-Bezeichnungen oder erzeugten auffällige Traffic-Spitzen. Heute verteilen automatisierte Systeme ihre Zugriffe gleichmäßiger, rotieren IP-Adressen und variieren technische Signaturen.Das führt dazu, dass Phantom-Traffic selten als klarer Ausreißer sichtbar wird. Stattdessen zeigen sich subtile Veränderungen wie:
- etwas mehr Direct Traffic
- sinkende Engagement-Werte
- ungewöhnlicher Traffic auf bestimmten Content-Seiten
Und Dark-Traffic? Der zeigt sich oft dort, wo Traffic fällt, ohne dass Marketing-Teams eine Erklärung finden. Solche Effekte werden häufig saisonalen Schwankungen, veränderter Kampagnenqualität oder Zielgruppenverschiebungen zugeschrieben. Die eigentliche Ursache bleibt dabei oft unentdeckt.
Warum mehr Tracking nicht automatisch bessere Daten liefert
Wenn Marketingdaten schwerer zu interpretieren sind, liegt eine naheliegende Reaktion darin, mehr und invasivere Tracking-Signale zu sammeln. In der Praxis löst dieser Ansatz das Problem jedoch selten.Mehr Tracking bedeutet zugleich mehr Verantwortung, denn die zusätzlichen Daten müssen gespeichert, geschützt und rechtlich abgesichert werden. Gleichzeitig können invasive Trackingmethoden das Vertrauen von Nutzern beeinträchtigen.
Vor allem aber erhöht zusätzliche Datenerfassung nicht automatisch die Aussagekraft von Analysen. Mehr Signale können Kennzahlen zwar komplexer machen, helfen aber nicht unbedingt dabei, automatisierten Traffic eindeutig zu identifizieren. Für Marketing-Teams entsteht dadurch ein paradoxer Effekt: Die Datenmenge wächst - doch die Interpretationssicherheit sinkt.
Ein pragmatischer Ansatz für Marketing-Analytics
Ein anderer, pragmatischer Ansatz besteht darin, zunächst einmal relevanten Traffic von bloßer Aktivität zu unterscheiden.Im Fokus steht, eigene Definitionen für qualifizierte Sessions zu entwickeln. Beispiele dafür können sein:
- Sitzungen, die mehrere relevante Seiten aufrufen
- Besuche, die mit zentralen Funktionen interagieren
- Navigationspfade, die typischem Nutzerverhalten entsprechen
Solche Kriterien helfen Marketing-Teams dabei, Traffic zu identifizieren, der tatsächlich Interesse oder Kaufabsicht signalisiert.
Darüber hinaus lohnt ein genauerer Blick auf Verhaltensmuster: Wiederholte Navigationspfade, identische Zeitabstände zwischen Aktionen oder ungewöhnliche Einstiegsseiten können Hinweise auf automatisierte Zugriffe geben.
Auf diese Weise lässt sich Phantom-Traffic besser differenzieren. Ein drängendes Problem jedoch bleibt: der Dark-Traffic. Besuche durch KI-Assistenten und KI-Agenten, die Websites besuchen, um Informationen zu extrahieren und Recherchen durchzuführen - und dabei von gängigen Tools gar nicht erfasst werden.
Detection-Tools bringen Licht ins Dunkel
Tools zur Erkennung automatisierten Traffics zeigen, welche Websites von Chatbots und KI-Agenten besucht werden und welche Inhalte sie später ihren menschlichen Nutzern präsentieren. So erhalten Marketing-Teams Einblicke, welche Inhalte relevant sind, und wie Marketing-Ausgaben priorisiert werden können.Wichtig ist dabei ein datenschutzkonformer Ansatz. Systeme, die auf First-Party-Daten basieren, ermöglichen Einblicke in das Nutzungsverhalten, ohne auf invasive Identifikationsmethoden zurückzugreifen. Damit unterstützen sie ein Analytics-Modell, das stärker auf Verhalten als auf individuelle Identität fokussiert ist.
Ein stärkerer Fokus auf tatsächliches Nutzerverhalten zählt
Mit dem Aufstieg generativer KI verändert sich auch die Realität der Webanalyse. Ein wachsender Anteil des Website-Traffics entsteht durch automatisierte Systeme und bleibt oft unerfasst - und beeinflusst damit Marketing-Kennzahlen.Für Marketing- und E-Commerce-Teams bedeutet das: Traffic ist nicht mehr automatisch gleichbedeutend mit echter Nachfrage, und ausbleibender Traffic nicht gleichbedeutend mit mangelnder Relevanz. KPIs wie Conversion-Rate, Engagement oder Channel-Performance müssen zunehmend im Kontext automatisierter Aktivitäten interpretiert werden. Die Lösung liegt jedoch nicht in immer mehr Tracking. Entscheidend sind klare Daten-Governance und transparente Analysemodelle für menschliche und nicht-menschliche Website-Besucher.
Webanalyse bleibt damit ein zentrales Instrument für Marketingentscheidungen - vorausgesetzt, Teams verstehen, welche Signale ihre Daten tatsächlich enthalten und welche nicht.
Bild: Matomo
Über den Autor: Thomas Steur ist CTO von Matomo, einer global agierenden Open-Source-Analytics-Plattform mit Fokus auf Datenschutz. Der studierte Diplom-Informatiker verantwortet dabei die technische Weiterentwicklung für eine globale Community und kommerzielle Anwender - mit besonderem Fokus auf Compliance, Kontrolle und europäische Datensouveränität. Zuvor war er als Web Developer bei Unternehmen wie XQueue und Mayflower tätig.
Social Media: Mehr KI, mehr Tools - aber kaum messbare Wirkung
Suchmaschinen-Traffic bricht im DACH-Raum um 20 Prozent ein
Special "OMR"
Vorträge zum Thema:
Anzeige
HighText Verlag
Mischenrieder Weg 18
82234 Weßling
Tel.: +49 (0) 89-57 83 87-0
Fax: +49 (0) 89-57 83 87-99
E-Mail: info@onetoone.de
Web: www.hightext.de
Besuchen Sie auch:
