AI Visibility Index DACH 2026 — Spend Management
Wer in KI-Antworten sichtbar ist, wer fehlt, und warum
Ein Finance-Verantwortlicher im Mittelstand sitzt abends vor dem Laptop. Die Firmenkarten-Lösung, die das Unternehmen seit zwei Jahren nutzt, integriert nicht sauber mit DATEV. Der CFO hat nach einem Review gefragt. Statt am Montag drei Vertriebstermine zu setzen, tippt er in ChatGPT: „Firmenkreditkarte die automatisch in Lexware und DATEV exportiert empfehlen." Er bekommt vier Namen. Klickt zwei davon an. Hat eine Shortlist im Kopf, bevor überhaupt das erste Gespräch stattfindet.
Diesen Moment haben wir gemessen. Es geht nicht um Google-Rankings, nicht um Impressions, auch nicht um Brand-Surveys. Die Frage lautet: Welche Marken tauchen in diesem einen Dialog auf? Und welche nicht? Genau das ist AI Visibility — die Sichtbarkeit einer Marke in den Antworten generativer KI-Systeme, gemessen an dem Punkt, an dem Kaufentscheidungen heute vorbereitet werden.
Der Spend-Management-Markt ist für diese Messung aufschlussreich, weil die relevanten Anbieter fast alle aus Europa kommen. Pleo aus Kopenhagen, Moss aus Berlin, Spendesk aus Paris, Payhawk aus Sofia und London, Qonto aus Paris. Im Hintergrund DATEV als deutscher Platzhirsch, SAP und Oracle im Enterprise-Segment. US-Anbieter wie Ramp, Brex oder Expensify spielen in AI-Antworten zum DACH-Markt kaum eine Rolle. Wer sich durchsetzt, tut das gegen direkte europäische Wettbewerber.
Was wir gemessen haben
Gemeinsam mit Profound haben wir 25 Prompts aus realen Spend-Management-Kaufprozessen auf ChatGPT, Google AI Overviews und Perplexity laufen lassen. Region Deutschland, Zeitraum 5. bis 12. April 2026. Jeder Prompt wurde mehrfach ausgeführt und jede Antwort ausgewertet.
Die Prompts teilen sich in fünf Kaufmomente: Corporate Cards, Rechnungsverarbeitung, Spend Management, Buchhaltungsintegration, Wettbewerbsvergleich.
Insgesamt tauchten 304 verschiedene Anbieter in den Antworten auf. Die meisten davon nur ein einziges Mal, ohne wiederkehrendes Muster. Die Top 20 vereinen zusammen rund 58 % des Share of Voice; der Rest verteilt sich auf 284 weitere Marken mit sporadischen Erwähnungen. Typisches Long-Tail-Bild also: wenige dominante Namen, eine sehr breite Schleppe dahinter.
Drei Werte standen im Zentrum. Der Visibility Score gibt an, bei wie vielen der 25 Prompts eine Marke in der AI-Antwort genannt wird, in Prozent. 30 % heißt: in knapp jeder dritten Antwort präsent. Die Average Position zeigt, wie weit vorne eine Marke dabei erscheint. Und die Citations machen sichtbar, welche Quellen die AI-Systeme eigentlich heranziehen, wenn sie eine Empfehlung formulieren.
Das Gesamtranking
Visibility Score über alle drei Plattformen, gemittelt über den Messzeitraum.
Zwischen Rang 1 und Rang 2 liegen 0,4 Prozentpunkte. Das ist der engste Wettkampf, den wir in dieser Serie bisher gesehen haben. In HR-Software war Personio bei mehr als doppelt so vielen Prompts präsent wie der Zweitplatzierte. Im SMP-Markt lag SAP uneinholbar vorn. In Spend Management gibt es diesen Vorsprung nicht.
Hinter der Spitze bilden DATEV, Spendesk, Payhawk und Qonto ein dichtes Mittelfeld zwischen 26 und 31 %. Die Abstände sind so klein, dass sich die Reihenfolge innerhalb weniger Wochen verschieben kann, wenn in einer der relevanten Quellenarten ein einziger größerer Artikel dazukommt.
Der Visibility Score allein erzählt nicht die ganze Geschichte. Genauso wichtig ist, wie weit vorne in der Antwort eine Marke steht — also ob sie als erste oder als fünfte Empfehlung auftaucht.
| Anbieter | Avg. Position | Share of Voice |
|---|---|---|
| Moss | 2,6 | 5,67 % |
| DATEV | 2,8 | 5,49 % |
| Pleo | 3,1 | 5,63 % |
| Spendesk | 3,3 | 5,04 % |
| Payhawk | 3,4 | 4,83 % |
| Qonto | 3,5 | 4,42 % |
Die sechs Spitzenanbieter liegen hier zwischen 2,6 und 3,5 — also weniger als zwei Plätze auseinander. In anderen Kategorien der Serie war der Abstand zwischen Top und Rest deutlich größer; die Spitzenanbieter standen auf Position 2, alles andere jenseits der 4. Hier nicht.
Das hat Konsequenzen. Wer eine ChatGPT-Antwort überfliegt, nimmt in erster Linie die ersten zwei, drei Namen wahr. Ab Position 5 wird es schwierig. Bei so engen Abständen wie in dieser Kategorie entscheidet wenig darüber, ob eine Marke in der Wahrnehmungszone landet oder knapp dahinter — manchmal reichen ein paar zusätzliche Citation-Quellen.
Drei Plattformen — drei verschiedene Rangordnungen
Keine der drei Plattformen spiegelt das Gesamtranking. Die Abweichungen sind nicht kosmetisch, sondern strukturell.
ChatGPT
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | Pleo | 36,6 % |
| 2 | Spendesk | 34,2 % |
| 2 | Moss | 34,2 % |
| 4 | Payhawk | 26,7 % |
| 5 | SAP | 24,2 % |
| 6 | Circula | 21,7 % |
| 7 | Qonto | 20,5 % |
| 8 | DATEV | 19,3 % |
| 9 | Ramp | 16,8 % |
| 9 | American Express | 16,8 % |
Google AI Overviews
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | Pleo | 50,7 % |
| 2 | Moss | 44,6 % |
| 3 | Payhawk | 41,2 % |
| 4 | Qonto | 40,5 % |
| 5 | Spendesk | 35,8 % |
| 6 | DATEV | 27,0 % |
| 7 | Circula | 25,0 % |
| 7 | Lexware | 25,0 % |
| 9 | Candis | 18,2 % |
| 10 | American Express | 16,2 % |
Perplexity
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | DATEV | 46,3 % |
| 2 | SAP | 40,3 % |
| 3 | Moss | 24,2 % |
| 4 | Spendesk | 22,1 % |
| 5 | Payhawk | 19,5 % |
| 6 | Oracle | 18,1 % |
| 6 | Lexware | 18,1 % |
| 6 | Qonto | 18,1 % |
| 9 | Pleo | 16,8 % |
| 9 | NetSuite | 16,8 % |
Pleo steht bei Google AI Overviews auf Rang 1 mit 50,7 %. Auf Perplexity landet dieselbe Marke, in derselben Woche, auf Rang 9 mit 16,8 %. Das sind 34 Prozentpunkte Unterschied.
DATEV zeigt genau das umgekehrte Muster: auf ChatGPT kaum sichtbar (Rang 8, 19,3 %), auf Perplexity klarer Spitzenreiter mit 46,3 %. Für einen Finance-Verantwortlichen macht das einen echten Unterschied. Wer ChatGPT öffnet, registriert DATEV kaum. Auf Perplexity ist DATEV der erste Name, der fällt — vor Moss, vor Pleo, vor allen anderen. Das ist weder Zufall noch Messrauschen. Perplexity gewichtet deutschsprachige Fachportale und Handbuch-Domains stärker, und dort ist DATEV seit Jahren präsent.
SAP zeigt dasselbe Phänomen etwas weniger ausgeprägt: Rang 5 auf ChatGPT, nicht in der Top 10 bei Google AI Overviews, Rang 2 auf Perplexity. Derselbe Anbieter, drei unterschiedliche Rangordnungen.
Wer seine AI-Strategie auf nur eine Plattform ausrichtet, hat auf den anderen systematische Lücken. In einem Markt wie diesem, in dem Moss, Pleo, Spendesk und Payhawk weitgehend dieselben mittelständischen Kunden adressieren, entscheidet die Plattformabdeckung zu einem nicht unerheblichen Teil darüber, welche Marke ein Einkäufer überhaupt auf dem Radar hat.
Wer gewinnt welchen Kaufmoment?
Das Gesamtranking zeigt, wer insgesamt am häufigsten erscheint. Was es nicht zeigt: bei welchen konkreten Fragen eine Marke präsent ist, und bei welchen nicht.
Corporate Cards
„Welche Firmenkreditkarte empfehlen für Startups und Scale-ups in Deutschland?" — „Wo finde ich Firmenkarten, die sich nahtlos in unsere Buchhaltungs- und ERP-Systeme integrieren lassen?" — „Welche Firmenkarten-Lösungen lohnen sich 2026 für mittelständische Unternehmen mit mehreren Standorten?" — u. a.
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | Moss | 58,8 % |
| 2 | Qonto | 48,7 % |
| 3 | Pleo | 46,5 % |
| 4 | Payhawk | 46,4 % |
| 5 | American Express | 42,2 % |
Die einzige Kategorie im ganzen Report, in der ein Spend-Management-Spezialist an der Spitze steht. Moss vor Qonto und Pleo. Dass American Express auf Rang 5 landet, ist nicht überraschend — die Marke taucht in tausenden Artikeln zu Geschäftsreisen, Kreditkarten und B2B-Zahlungsverkehr auf, unabhängig davon, wie gut das Produkt zu dieser konkreten Anfrage passt.
Auffällig ist vor allem die Dichte. Fünf Anbieter liegen zwischen 42 und 59 %, und keiner davon mit großem Abstand an der Spitze. Wer in diese Shortlist reinkommt, gewinnt den Einstieg in den Kaufprozess. Wer außerhalb steht, wird unsichtbar — auch wenn das Produkt objektiv besser sein sollte.
Rechnungsverarbeitung
„Rechnungen automatisch prüfen, freigeben und zahlen — welches System empfehlen?" — „Automatische Rechnungsverarbeitung mit OCR und Buchungsvorschlag empfehlen" — „Welche Software digitalisiert und verarbeitet Eingangsrechnungen automatisch?" — u. a.
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | SAP | 40,9 % |
| 2 | DATEV | 39,4 % |
| 3 | DocuWare | 25,4 % |
| 4 | Microsoft | 24,6 % |
| 5 | Lexware | 23,6 % |
Kein einziger Spend-Management-Anbieter in der Top 5. Stattdessen: SAP, DATEV, DocuWare, Microsoft, Lexware. Vier Legacy-Anbieter plus ein ERP-Ökosystem. Für AI-Systeme ist der Begriff „Rechnungsverarbeitung" begrifflich fest an Enterprise-Software und Steuersoftware gekoppelt, nicht an moderne Spend-Management-Plattformen.
Das liegt nicht daran, dass Moss, Pleo oder Spendesk die Funktion nicht hätten. Die haben sie alle. Es liegt an den Quellen, die AI heranzieht. Artikel über Rechnungsverarbeitung werden in der deutschen Fachpresse seit zwanzig Jahren geschrieben, und die Namen, die dort fallen, sind SAP und DATEV.
Für die neueren Anbieter ist das ein Kaufmoment, der verloren geht, bevor ein einziges Produkt-Feature verglichen wird.
Spend Management
„Welches Tool zeigt mir alle Firmenausgaben zentral in einem Dashboard?" — „Ganzheitliche Spend-Management-Plattform für Mittelstand Deutschland empfehlen" — „Spend Management Lösung mit DSGVO-Konformität und deutschen Servern empfehlen" — u. a.
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | Spendesk | 50,2 % |
| 2 | Circula | 33,7 % |
| 3 | Payhawk | 31,1 % |
| 4 | Moss | 30,6 % |
| 5 | Pleo | 25,6 % |
Die Kategorie, die das Produktsegment namentlich benennt — und Spendesk führt mit deutlichem Vorsprung. 50,2 % gegenüber 33,7 % bei Circula auf Rang 2. Das Paradoxon dabei: Wer den Kategorienamen besitzt, gewinnt die Kategorie, aber nur dann, wenn man auch unter genau diesem Namen in Fachartikeln und Vergleichen auftaucht. Spendesk hat sich diese Namenspräsenz über Jahre aufgebaut. Die meisten anderen Anbieter sind in spezifischen Kaufmomenten wie Firmenkarten oder Rechnungsworkflows stärker als unter dem generischen Oberbegriff.
Strukturell heißt das: Die Oberkategorie „Spend Management" funktioniert in AI-Antworten fast wie eine eigene Marke, und Spendesk ist die dominante Assoziation dazu. Wer unter diesem Label sichtbar werden will, muss in Texten auftauchen, die genau diesen Begriff tragen — nicht in Artikeln über einzelne Features.
Buchhaltungsintegration
„Ausgabenverwaltung mit direkter DATEV-Schnittstelle empfehlen" — „Firmenkreditkarte die automatisch in Lexware und DATEV exportiert empfehlen" — „Welches Spend-Management-Tool hat die beste Steuerberater-Integration?" — u. a.
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | DATEV | 54,2 % |
| 2 | Lexware | 45,9 % |
| 3 | Pleo | 33,3 % |
| 4 | Payhawk | 33,2 % |
| 5 | SAP | 31,7 % |
Das ist die einzige Kategorie, die von deutschen Anbietern dominiert wird — aber eben nicht von den modernen. DATEV und Lexware führen mit 54,2 % und 45,9 %. Beide sind die Plattformen, mit denen Spend-Management-Tools integrieren müssen, und genau das ist in den Quellen verankert. Wer nach „Buchhaltungsintegration" fragt, bekommt zuerst die Buchhaltungsplattform genannt, dann die Tools, die damit sprechen.
Pleo auf Rang 3 mit 33,3 % zeigt trotzdem, dass ein spezialisierter Anbieter in dieser Kategorie durchaus sichtbar werden kann, wenn er in deutschen Fachquellen zum Thema DATEV- und Lexware-Integration konsistent auftaucht. Die Wettbewerber, die das nicht aufgebaut haben, landen trotz vergleichbarer technischer Integrationen außerhalb der Top 5. Die Artikel, die über DATEV-kompatible Firmenkarten geschrieben werden, nennen eben nur eine Teilmenge der Anbieter, die es technisch gibt. Eine Quellenlücke, keine Produktlücke.
Wettbewerbsvergleich
„Pleo vs Moss vs Spendesk — welches Spend-Management-Tool für deutsche KMU empfehlen?" — „Europäische Spend-Management-Alternative zu US-Anbietern für DSGVO-konforme Nutzung" — „Welche Spend-Management-Lösung bietet im aktuellen Wettbewerbsvergleich das beste Preis-Leistungs-Verhältnis für KMUs?" — u. a.
| Rang | Anbieter | Visibility Score |
|---|---|---|
| 1 | Moss | 59,0 % |
| 2 | Pleo | 53,0 % |
| 3 | Qonto | 49,6 % |
| 4 | Spendesk | 40,2 % |
| 5 | Payhawk | 28,2 % |
Diese Kategorie enthält zwei ziemlich unterschiedliche Fragetypen, und es lohnt, sie getrennt zu betrachten.
Gerichtete Vergleiche wie „Pleo vs Moss vs Spendesk — welches Spend-Management-Tool für deutsche KMU empfehlen?" spiegeln einen Einkäufer wider, der bereits eine Shortlist hat und sie validieren will. Die drei im Prompt genannten Marken tauchen mit je 100 % auf — die Frage selbst nennt sie ja. Spannend ist hier etwas anderes: Welche Namen schiebt die KI zusätzlich ins Bild? In diesem Fall DATEV (19 %), Qonto (16,7 %) und Lexoffice (9,5 %). Das ist der Moment, an dem eine Marke, die noch nicht auf der Liste stand, in die Shortlist einbrechen kann. Für DATEV, Qonto und Lexoffice ist diese Position sehr wertvoll: Sie werden genannt, obwohl der Nutzer explizit nach anderen gefragt hat.
Offene Vergleiche wie „Welche europäische Spend-Management-Alternative zu US-Anbietern" oder „Welche All-in-One-Finanzplattform für Startups" messen etwas anderes. Hier entsteht die Shortlist von Grund auf. Die Rangfolgen sehen dann auch deutlich anders aus:
- „Europäische Alternative zu US-Anbietern": Pleo 52,4 %, Moss und Qonto gleichauf bei je 41,3 %.
- „Preis-Leistungs-Verhältnis": Qonto 62,7 %, Payhawk 60,3 %, Pleo und Spendesk je 56,3 %.
- „All-in-One-Finanzplattform für Startups": Qonto 66,7 %, Finom und Pleo je 52,4 %.
Der aggregierte Kategoriewert vermischt beide Fragetypen. Das ist keine methodische Schwäche, aber ein Hinweis an jeden, der mit den Daten strategisch arbeiten will: Auf Prompt-Ebene liegt die eigentliche Information. Eine Marke kann in gerichteten Vergleichen dominant sein und in offenen Vergleichen gar nicht auftauchen, oder umgekehrt. Beide Positionen zählen, aber sie entstehen an unterschiedlichen Punkten im Kaufprozess und werden durch unterschiedliche Quellen bedient.
Wie AI Fragen verarbeitet
Wenn ChatGPT eine Frage bekommt, beantwortet es sie nicht direkt aus dem Gedächtnis heraus. Stattdessen werden intern mehrere verwandte Suchanfragen formuliert, deren Ergebnisse dann zusammengeführt werden. Diese internen Anfragen heißen Fanout-Queries. Ein KI-System „fächert" die Nutzerfrage in mehrere Teilanfragen auf und baut aus den Treffern eine umfassendere Antwort zusammen.
In unserem Datensatz lagen die Fanouts bei durchschnittlich 1,78 Queries pro Ausführung auf ChatGPT und 1,33 auf Perplexity. Jeder unserer Prompts steht also eigentlich für einen ganzen Cluster an Teilfragen. Eine Marke, die bei „Firmenkreditkarte für Startups" auftaucht, wird sehr wahrscheinlich auch bei „Corporate Card für Scale-ups" erscheinen, weil die KI den gleichen Quellpool durchsucht. Was wir messen, ist folglich weniger die Sichtbarkeit bei einer exakten Formulierung als vielmehr die strukturelle Präsenz innerhalb einer ganzen Fragefamilie.
Das erklärt übrigens einen Teil der Plattform-Unterschiede. ChatGPT fächert breiter auf, zieht mehr Quellen heran und gewichtet internationale Vergleichsportale stärker. Perplexity fächert enger, bleibt näher an der Ausgangsformulierung und gewichtet spezialisierte deutschsprachige Fachquellen stärker. Ein und dasselbe Produkt kann dadurch auf einer Plattform weit vorn liegen und auf einer anderen kaum auftauchen. Nicht wegen unterschiedlicher Produktqualität, sondern wegen unterschiedlicher Quellenarchitektur.
Was AI tatsächlich liest
Die Visibility Scores zeigen, wer vorne steht. Die Citation-Analyse erklärt, warum.
Der Datensatz umfasst über 4.440 Citations aus 666 verschiedenen Domains. Earned Media im engeren Sinne — also Wirtschaftspresse, Fachmedien, Gründerportale — machen etwa 19 % der zitierten Quellen aus. Social-Quellen, ganz überwiegend YouTube, liegen bei rund 6 %. Wikipedia und Institutionen zusammen bei etwa 1,5 %. Der mit Abstand größte Block, gut 73 %, entfällt auf eine Mischung aus den eigenen Content-Hubs der Anbieter und neutralem Fachcontent. Das ist der eigentlich auffällige Befund: In dieser Kategorie ziehen AI-Systeme anbietereigene Ratgeber-Inhalte in großem Umfang als Quelle heran.
Acht der Top-10-Domains sind Brand-Sites von Anbietern aus dieser Kategorie. Nicht als Produktseiten, sondern als aktive Content-Hubs. payhawk.com, qonto.com, circula.com, klippa.com, agicap.com, pleo.io, spendesk.com und lexware.de erscheinen in den Citations, weil diese Unternehmen regelmäßig Ratgeber, Vergleichsartikel und Listicles veröffentlichen, in denen auch andere Anbieter namentlich genannt werden. Die AI zitiert diesen Content, ganz unabhängig davon, welche Marke im Artikel selbst im Vordergrund steht. Wer einen solchen Hub betreibt, sammelt Citations für sich selbst und liefert nebenbei auch das Rohmaterial, aus dem die KI Rankings der Wettbewerber ableitet. Das ist das zentrale Muster der Kategorie: Die eigene Content-Infrastruktur ist hier nicht Marketing-Material, sondern eine Quelle, aus der AI-Systeme direkt schöpfen.
payhawk.com und qonto.com liegen praktisch gleichauf an der Spitze, mit 4,17 % und 4,16 %. Beide haben einen Content-Hub aufgebaut, der in Kaufprozess-Anfragen überproportional zitiert wird. Payhawks Ratgeber-Bereich zu Spend Management, Expense Management und Corporate Cards. Qontos umfangreicher Blog zu Firmenfinanzen und Startup-Themen. Diese beiden Domains sind die, auf die AI-Systeme in der Kategorie am häufigsten zurückgreifen. Anbieter ohne vergleichbare Struktur hängen bei etwa der Hälfte ihrer Citations von Hubs der Wettbewerber ab.
omr.com auf Rang 11 mit 1,92 %. Neben Handelsblatt und fuer-gruender.de eine der drei deutschen Redaktionen, die in den Top 15 der Citation-Quellen auftauchen. Was OMR unter diesen dreien heraushebt: Auf Perplexity liegt OMR auf Rang 4 der zitierten Domains — deutlich weiter vorne als jede andere Redaktion im DACH-Markt. Für Anbieter, die gezielt Perplexity-Sichtbarkeit aufbauen wollen, ist OMR damit eine der wichtigsten Quellen überhaupt.
fuer-gruender.de auf Rang 10 mit 1,98 %. Gründerratgeber, der besonders in Google AI Overviews stark gewichtet wird — dort auf Rang 6 der zitierten Domains. Wer im Startup- und Gründungskontext genannt werden will, kommt an diesem Medium schwer vorbei.
handelsblatt.com auf Rang 12 mit 1,68 %. Klassische Wirtschaftstagespresse, mit stabiler Präsenz auf allen drei Plattformen. Die Stärke ist hier weniger der Spitzenwert auf einer Plattform als die Konsistenz über alle drei hinweg.
YouTube auf Rang 3 mit 3,76 %. Das überrascht im ersten Moment, macht bei näherem Hinsehen aber Sinn. Video-Content mit Produktbezug ist für AI-Systeme eine relevante Quelle, und zwar weit vor LinkedIn oder Reddit. In den meisten AI-Visibility-Strategien, die uns im Alltag begegnen, kommt YouTube nicht vor. Drei der vier letzten Reports in dieser Serie zeigen aber das gleiche Muster.
Bewertungsportale fehlen in der Top 20. Das ist eine strukturelle Eigenheit der Kategorie. Spend-Management-Produkte werden seltener über Review-Portale wie Capterra oder G2 recherchiert, und deutlich öfter über Fachartikel, Gründermedien und eben die Content-Hubs der Anbieter selbst.
Fazit: Wer steht wo — und wo bleibt Potenzial liegen?
.png){kind=logo}
Pleo liegt im Gesamtranking mit 34,7 % knapp vorn und dominiert Google AI Overviews mit 50,7 %. Auf Perplexity fällt die Marke auf Rang 9 mit 16,8 % zurück. Das ist zugleich die stärkste Einzelplattform-Position und die deutlichste Perplexity-Schwäche im gesamten Report. Der direkteste Hebel für Pleo liegt in den deutschsprachigen Fachmedien und Handbuch-Quellen, die Perplexity bevorzugt zitiert.
Moss kommt auf Rang 2 gesamt mit 34,3 % und führt Corporate Cards mit 58,8 %. Die durchschnittliche Position im Datensatz ist die beste aller Marken (2,6); wenn Moss genannt wird, dann weit vorn in der Antwort. Die Sichtbarkeit entsteht allerdings fast vollständig aus Drittquellen — die eigene Domain trägt mit 1,01 % Citation Share deutlich weniger bei als die Content-Hubs von Payhawk oder Qonto. Außerhalb von Corporate Cards und Wettbewerbsvergleich fehlt Moss in den Top 5. Rechnungsverarbeitung und Buchhaltungsintegration sind die naheliegenden Expansionspunkte.
DATEV erreicht Rang 3 insgesamt und führt Perplexity mit 46,3 %. Das ist keine Kampagne und keine AI-Strategie, sondern schlicht die Gravitation aus vier Jahrzehnten deutschsprachiger Steuer- und Buchhaltungsfachpresse. Für jeden Spend-Management-Anbieter bedeutet das, dass DATEV nicht als direkter Wettbewerber zu betrachten ist, sondern als Kontext, in dem man selbst auftauchen muss. Buchhaltungsintegration mit DATEV bei 54,2 % ist die Ankerkategorie; wer dort fehlt, wird im Kaufprozess fast zwangsläufig übergangen.
Spendesk steht auf Rang 4 gesamt und führt Spend Management mit 50,2 %. Spendesk besitzt den Kategorienamen in AI-Antworten, und für ein Unternehmen, das sich explizit als Spend-Management-Plattform positioniert, ist das genau die richtige Verankerung. Die Kehrseite: Die Präsenz in Corporate Cards (Rang 6, 33,7 %) und Wettbewerbsvergleich (Rang 4, 40,2 %) ist schwächer. Wer die Oberkategorie besetzt, verliert manchmal die Einstiegsfragen, die Einkäufer in der Praxis tatsächlich stellen.
Payhawk — Rang 5 gesamt, im Mittelfeld aller Kategorien, in keiner einzelnen dominant. Das Muster eines Anbieters mit breiter, konsistenter Präsenz, aber ohne Spitzenposition. In einem Markt, in dem Einkäufer zwischen Plattformen und Kaufmomenten wechseln, ist das eine stabile Position, allerdings auch eine langsame. Der Durchbruch würde darüber kommen, eine Kategorie aktiv zu besetzen, in der heute noch Lücken bestehen. Rechnungsverarbeitung oder Buchhaltungsintegration wären realistische Ziele.
Qonto — Rang 6 gesamt, Rang 2 in Corporate Cards mit 48,7 %, Rang 3 in Wettbewerbsvergleich mit 49,6 %. In den Einstiegskategorien stark, in der Oberkategorie Spend Management (Rang 8, 21,1 %) merklich schwächer. Für einen Anbieter, der aus dem Business-Banking kommt und sich in Richtung Spend Management erweitert, ist das die erwartbare Konstellation — zugleich die strategische Herausforderung. Wer Firmenkarten verkauft, muss auch als Spend-Management-Plattform wahrgenommen werden, sonst entgeht ihm der Upsell.
SAP — Rang 7 gesamt, Rang 1 in Rechnungsverarbeitung mit 40,9 %. Das ist keine aktive Positionierung in diesem Markt, sondern die Gravitation eines Anbieters, der in praktisch keinem Artikel über Rechnungsverarbeitung, ERP-Integration oder Unternehmenssoftware fehlt. Für Spend-Management-Anbieter ist SAP in dieser Kategorie nicht das Ziel, sondern der Kontext. Die 40,9 % zeigen, wie weit diese Gravitation reicht.
Lexware — Rang 8 gesamt, Rang 2 in Buchhaltungsintegration mit 45,9 %. Wie DATEV eine Integrationsplattform, keine Spend-Management-Lösung. Die Präsenz im AI-Ranking entsteht aus der Rolle als Zielsystem, in das Spend-Management-Tools exportieren.
Circula — Rang 9 gesamt, Rang 2 in Spend Management mit 33,7 %. Circula hat in der eigenen Kernkategorie eine stärkere Position, als das Gesamtranking vermuten lässt; ein deutscher Anbieter, der im Kernsegment drei der Top-5-Anbieter der Gesamtwertung hinter sich lässt. In den angrenzenden Kategorien — Corporate Cards, Buchhaltungsintegration, Rechnungsverarbeitung — ist Circula dagegen weitgehend unsichtbar. Bei jeder Anfrage, die sich ein bisschen in diese Richtungen verschiebt, fällt die Marke raus.
Pliant — Rang 11 gesamt, Rang 7 in Corporate Cards mit 29,5 %. Ein deutscher Firmenkarten-Anbieter mit klarer Kategorie-Verankerung, aber ohne Präsenz außerhalb. Ähnliches Muster wie HRworks im HR-Software-Report: in einer Kategorie stark, in allen anderen nicht existent. Für eine Expansion in Spend Management oder Buchhaltungsintegration bräuchte es eine deutlich breitere Quellenbasis.
Candis — Rang 14 gesamt, Rang 6 in Rechnungsverarbeitung mit 19,5 %. Candis ist ausgerechnet in der Kategorie sichtbar, in der Spend-Management-Anbieter im Schnitt kaum auftauchen. Das ist eine bewusste Fokussierung, und sie funktioniert: Wer sich auf einen einzelnen Kaufmoment spezialisiert, kann auch mit kleinerem Gesamtscore in genau diesem Moment sichtbar bleiben. Der strategische Preis ist die Unsichtbarkeit in breiteren Spend-Management-Anfragen.
finway — Rang 19 gesamt mit 6,9 %. Ein deutscher Spend-Management-Anbieter, der im Gesamtranking praktisch nicht auftaucht und in keiner Einzelkategorie in der Top 5 erscheint. finway.de kommt als Domain zwar auf 1,00 % Citation Share, die Breite reicht aber noch nicht aus, um in den Rankings konsistent sichtbar zu werden. Für Anbieter in dieser Position ist der direkteste Hebel die Platzierung in Vergleichsartikeln und Listicles, in denen die Top-Anbieter der Kategorie bereits stehen. Der Aufbau zusätzlicher eigener Produktseiten hilft an dieser Stelle weniger als die Präsenz in den Quellen, aus denen AI-Systeme ihre Antworten bauen.
Für DACH-Anbieter lohnt sich ein zusätzlicher Blick auf die Sprache der relevanten Quellen. Der entscheidende Hebel liegt nicht im Aufbau englischsprachiger Präsenz. Die dominanten Citation-Domains sind überwiegend deutschsprachig: OMR, fuer-gruender.de, Handelsblatt, lexware.de, capterra.com.de, getapp.de. Die Frage ist also weniger, ob man international sichtbar ist, als vielmehr, in welchen deutschsprachigen Fachmedien, Gründerratgebern und Vergleichsportalen man als Referenz genannt wird. Wer dort präsent ist, gewinnt Sichtbarkeit auf allen drei Plattformen. Wer fehlt, bleibt unsichtbar — unabhängig davon, wie sauber die eigene Website optimiert ist.
Was Recon Rise macht
Dieser Report zeigt die Kategorie. Wir zeigen, wo deine Marke darin steht, und bauen dann das auf, was fehlt.
Ein AI Visibility Audit misst die aktuelle Sichtbarkeit auf ChatGPT, Google AI Overviews und Perplexity, aufgeschlüsselt nach Themen, Plattformen und Positionen. Danach beginnt die operative Arbeit: Quellen aufbauen, die AI für deine Kategorie heranzieht. Earned Media platzieren, Vergleichscontent entwickeln, Datenstrukturen aufsetzen. Die Infrastruktur, die dafür sorgt, dass deine Marke in den richtigen Antworten auftaucht. Dauerhaft, nicht einmalig.
Wer wissen möchte, wie das für die eigene Marke aussieht: Jetzt Kontakt aufnehmen
Methodik
Profound AI Visibility Monitoring · 25 Prompts aus 5 Themenbereichen: Corporate Cards, Rechnungsverarbeitung, Spend Management, Buchhaltungsintegration, Wettbewerbsvergleich · Messzeitraum: 5. April bis 12. April 2026 · Plattformen: ChatGPT, Google AI Overviews, Perplexity · Mehrfachausführung je Prompt und Plattform · 304 einzigartige Brands identifiziert · Citation-Analyse auf Basis von 666 einzigartigen Domains · Region: Deutschland · Kategorie: FinTech / Spend Management
AI Visibility Index DACH 2026 — Spend Management Recon Rise GmbH · Düsseldorf · reconrise.ai © 2026 Recon Rise. Alle Rechte vorbehalten.
Recon Rise, Düsseldorf · reconrise.ai
© 2026 Recon Rise. Alle Rechte vorbehalten.