Noch bevor ein Verpackungseinkäufer eine Anfrage verschickt, hat die künstliche Intelligenz möglicherweise bereits Lieferanten verglichen, Materialstrukturen bewertet und Preisvorstellungen entwickelt. Eine eigens für die INNO-Pouch 2026 erstellte Studie von info.link zeigt, welche Unternehmen dabei sichtbar werden – und warum technologische Kompetenz allein nicht mehr ausreicht.
Wer heute einen recyclingfähigen Standbodenbeutel sucht, beginnt seine Recherche möglicherweise nicht mehr bei Google oder auf einer Fachmesse, sondern mit einer Frage an ChatGPT, Perplexity oder einen anderen KI-Assistenten.
Welche Hersteller bieten recyclingfähige Monomaterialbeutel an? Welche Barriereeigenschaften sind erreichbar? Lassen sich die Strukturen auf vorhandenen Verpackungsmaschinen verarbeiten? Und wie viel teurer wird die Umstellung von PET/Aluminium/PE auf Mono-PE oder Mono-PP?
Das sind klassische Fragen, die bislang im direkten Austausch zwischen Verpackungsentwicklern, technischen Vertriebsmitarbeitern und Einkäufern geklärt wurden. Zunehmend werden sie jedoch bereits beantwortet, bevor der potenzielle Kunde überhaupt Kontakt mit einem Lieferanten aufnimmt.
Das Problem: Die KI greift dabei nicht unbedingt auf die Unternehmen zurück, die über die größte technische Kompetenz verfügen. Sondern auf diejenigen, deren Wissen sie im Internet finden und verarbeiten kann.
Wie groß diese Lücke bereits ist, zeigte Chris Goeken, Mitgründer von info.link, auf der INNO-Pouch 2026 in Barcelona. Sein Unternehmen hatte eigens für die Veranstaltung untersucht, welche Quellen KI-Systeme bei typischen Fragen zum Einkauf flexibler Verpackungen heranziehen.
Die Ergebnisse dürften für viele Unternehmen der FlexPack-Branche überraschend sein.
665 KI-Antworten – und eine bemerkenswerte Lücke
Für die Studie „How AI is changing the Pouch Purchasing Process“ untersuchte info.link über einen Zeitraum von 35 Tagen, vom 7. September bis zum 11. Oktober 2026, fünf typische Fragen aus dem Beschaffungsprozess von Standbodenbeuteln.
Die englischsprachigen Fragen behandelten die Lieferantensuche, recyclingfähige Hochbarrierestrukturen, Spout-Verpackungen, die Verarbeitung von Monomaterialien auf bestehenden Anlagen und die Kosten einer Materialumstellung.
Über vier KI-Systeme, darunter ChatGPT, Perplexity und Google AI Mode, wurden insgesamt 665 Antworten mit 5.748 Quellenverweisen ausgewertet.
<text strong=“true“>Die wichtigsten Ergebnisse der info.link-Studie:</text>
- Nur 13 der rund 80 auf der INNO-Pouch vertretenen Unternehmen wurden überhaupt als Quelle zitiert.
- Lediglich 6,6 % aller Quellenverweise entfielen auf diese Unternehmen.
- Mondi wurde 199-mal zitiert – häufiger als alle anderen vertretenen Unternehmen zusammen.
- Sieben von neun Lieferanten einer beispielhaften ChatGPT-Auswahlliste wurden über eine konkret benannte Produktlinie gefunden.
- Eine einzelne Informationsseite eines Etikettenspezialisten erreichte eine vergleichbare Sichtbarkeit wie die gesamte Website von Gualapack.
Die Zahlen bedeuten nicht, dass die übrigen Unternehmen keine relevanten Lösungen anbieten. Sie zeigen vielmehr, dass zwischen vorhandener Fachkompetenz und digitaler Sichtbarkeit eine erhebliche Lücke bestehen kann.
Goeken formulierte die Herausforderung in seinem Vortrag sinngemäß so: Die Unternehmen investieren viel Geld in Materialentwicklung, Maschinen und neue Verpackungslösungen. Doch investieren sie auch darin, dass KI-Systeme diese Innovationen überhaupt verstehen?
Warum eine einzige gute Webseite große Marken überholen kann
Eine der auffälligsten Erkenntnisse betrifft die Bedeutung einzelner Fachinformationen.
Die am häufigsten zitierte Einzelseite der gesamten Untersuchung stammte nicht von einem großen Folienhersteller oder Verpackungsverarbeiter, sondern von LabelProfi, einem Etikettenspezialisten.
Dessen Informationsseite zur PPWR-Konformität von Standbodenbeuteln wurde 106-mal als Quelle herangezogen.
Die gesamte Website von Gualapack erreichte eine ähnliche Präsenz in den untersuchten Antworten. Amcor wurde dagegen in nur etwa 5 % und Huhtamaki in etwa 2 % der Antworten als Quelle genannt.
Warum?
Die Erklärung liegt offenbar weniger in der Größe des Unternehmens als in der Art, wie Informationen bereitgestellt werden.
Eine klar strukturierte Seite, die eine konkrete Frage vollständig beantwortet, lässt sich von KI-Systemen leichter als Quelle verwenden als eine umfangreiche Unternehmenswebsite, auf der dieselben Informationen über Pressemitteilungen, Produktbroschüren und PDF-Dokumente verteilt sind.
Mondi zeigt, wie sich Fachwissen gezielt auffindbar machen lässt. Das Unternehmen verfügt über eigene Seiten für Monomaterial-Standbodenbeutel, Hochbarrierestrukturen und retortenfähige Monomaterialverpackungen. Die Inhalte orientieren sich an konkreten Anwendungen und Fragestellungen.
Hinzu kommen unabhängige Bestätigungen durch Zertifizierungen, Kundenprojekte und Fachveröffentlichungen.
Für kleinere und mittelständische Verpackungsunternehmen ist das durchaus eine Chance. Sie müssen nicht zwangsläufig über das größte Marketingbudget verfügen, um in KI-Antworten berücksichtigt zu werden.
Entscheidend wird, ob sie die Fragen ihrer potenziellen Kunden besser beantworten als andere.
Die KI erstellt bereits die Lieferantenliste – inklusive technischer Spezifikation
Besonders interessant wird die Entwicklung dort, wo KI-Systeme nicht nur Informationen zusammenfassen, sondern konkrete Beschaffungsprozesse vorbereiten.
Bei der Frage nach führenden europäischen Herstellern recyclingfähiger Monomaterial-Standbodenbeutel stellte ChatGPT am 4. Oktober 2026 eine Liste mit neun Lieferanten zusammen.
Darunter befanden sich Mondi, Amcor, Coveris, Gualapack, Südpack, Wipak, Huhtamaki, ProAmpac und Constantia Flexibles.
Doch damit endete die Antwort nicht.
ChatGPT bot zusätzlich an, eine konkrete Angebotsanfrage vorzubereiten. Dazu gehörte eine technische Checkliste mit Anforderungen an Schichtaufbau, Materialanteile, Sauerstoff- und Wasserdampfbarriere, Recyclingfähigkeitsnachweise, Verschlussmaterialien und Maschinentests.
Das ist für den Vertrieb flexibler Verpackungen eine bemerkenswerte Entwicklung.
Bisher konnten technische Vertriebsmitarbeiter im persönlichen Gespräch erklären, warum eine bestimmte Materialstruktur sinnvoll ist, welche Eigenschaften tatsächlich benötigt werden und welche Anforderungen möglicherweise überzogen sind.
Wenn die KI bereits vor diesem Gespräch eine Spezifikation formuliert, beeinflusst sie die Erwartungen des Einkäufers.
Das kann hilfreich sein, weil Kunden besser vorbereitet in technische Gespräche gehen. Es kann aber auch problematisch werden, wenn unpassende Anforderungen oder unzutreffende Annahmen übernommen werden.
Auffällig war zudem, dass sieben der neun vorgeschlagenen Unternehmen über konkrete Produktlinien genannt wurden, etwa AmPrima, re/cycle oder PurePE/PurePP.
Eine klar benannte Lösung mit eigener Produktseite scheint es KI-Systemen zu erleichtern, technische Eigenschaften einem konkreten Angebot zuzuordnen.
Für Verpackungshersteller stellt sich damit eine neue Frage: Reicht es noch aus, auf der Website allgemein über nachhaltige Verpackungen zu informieren? Oder müssen einzelne Lösungen mit ihren technischen Eigenschaften wesentlich präziser beschrieben werden?
Wenn Hersteller keine Preise nennen, setzt die KI den Preisanker
Eine weitere Erkenntnis der Studie dürfte insbesondere Vertriebsverantwortliche beschäftigen.
info.link untersuchte, wie KI-Systeme die Kosten einer Umstellung von einem klassischen PET/Aluminium/PE-Verbund auf recyclingfähige Monomaterialstrukturen einschätzen.
Am 29. September nannte Perplexity einen Kostenaufschlag von 15 bis 25 %.
Nur sechs Tage später lag die Antwort desselben Systems bei 3 bis 8 %.
Die zugrunde liegenden Quellen stammten überwiegend von Informationsseiten und allgemeinen Kostenübersichten. Europäische Verpackungsverarbeiter waren in beiden untersuchten Antworten nicht als Quellen vertreten.
In einem Fall nannte die KI sogar einen offensichtlich unplausiblen Verpackungspreis von 1,33 bis 1,61 US-Dollar pro 1.000 Beutel.
Das Beispiel zeigt ein grundsätzliches Problem: KI-Systeme liefern häufig auch dann konkrete Zahlen, wenn die verfügbare Datenbasis unzureichend ist.
Für den Vertrieb können daraus schwierige Situationen entstehen.
Ein Einkäufer, der vorab einen Kostenaufschlag von lediglich 3 bis 8 % gelesen hat, wird eine deutlich höhere Kalkulation möglicherweise kritisch hinterfragen. Ein anderer Kunde könnte bei erwarteten Mehrkosten von 25 % bereits vor der ersten Anfrage von einem Projekt Abstand nehmen.
Dabei hängen die tatsächlichen Kosten von zahlreichen Faktoren ab: Barriereanforderungen, Materialaufbau, Produktionsmenge, Bedruckung, Spouts, Zippern und der Verarbeitbarkeit auf bestehenden Anlagen.
Die Studie empfiehlt deshalb nicht, vertrauliche Preislisten zu veröffentlichen. Vielmehr könnten Hersteller typische Kostenbandbreiten und die wesentlichen Einflussfaktoren erläutern.
Wer die wirtschaftlichen Zusammenhänge seiner Produkte nicht selbst erklärt, überlässt diese Einordnung möglicherweise Quellen, die den Markt deutlich schlechter kennen.
Vom Suchmaschinenmarketing zur Sichtbarkeit in KI-Antworten
Die Konsequenzen gehen über klassische Suchmaschinenoptimierung hinaus.
Goeken berichtete von einem Projekt mit der Haarpflegemarke Guhl, bei dem die Website gezielt darauf ausgerichtet wurde, Produktinformationen auch für KI-Systeme verständlich bereitzustellen.
Dazu wurden zahlreiche konkrete Fragen rund um die Produkte beantwortet. Die Antworten sind strukturiert, mit Quellen versehen und werden regelmäßig überprüft und aktualisiert.
Laut Goeken wurden für Guhl mehr als 500 solcher Frage-Antwort-Inhalte erstellt, die monatlich aktualisiert werden. Im untersuchten Wettbewerbsumfeld erreichte die Marke damit eine hohe Präsenz in KI-Antworten.
Auch bei einem deutschen Verpackungsunternehmen aus dem Wellpappenbereich habe info.link mit einem ähnlichen Ansatz gearbeitet.
Die Übertragung auf flexible Verpackungen liegt nahe.
Ein Folienhersteller könnte beispielsweise konkrete Fragen beantworten: Welche OTR-Werte sind mit einer bestimmten Mono-PE-Struktur erreichbar? Unter welchen Bedingungen ist eine Verpackung recyclingfähig? Welche Siegeltemperaturen werden empfohlen? Wie verändert ein Spout die Recyclingfähigkeitsbewertung?
Solche Informationen liegen in vielen Unternehmen längst vor. Allerdings häufig in technischen Datenblättern, internen Präsentationen oder Dokumenten, die erst nach einer persönlichen Anfrage zur Verfügung gestellt werden.
Goekens Ansatz besteht darin, dieses vorhandene Wissen so aufzubereiten, dass es auch von KI-Systemen gefunden, verstanden und zitiert werden kann.
Dabei geht es nicht darum, möglichst viele allgemeine Texte zu veröffentlichen. Entscheidend sind fachlich belastbare Antworten auf konkrete Fragen, die potenzielle Kunden tatsächlich stellen.
Was Hersteller flexibler Verpackungen jetzt tun können
Aus der Untersuchung leitet info.link acht Handlungsempfehlungen ab. Für die Praxis lassen sie sich auf vier zentrale Aufgaben verdichten.
Erstens: Die eigene Sichtbarkeit überprüfen. Unternehmen sollten gemeinsam mit ihrem Vertrieb typische Fragen potenzieller Kunden sammeln und diese über mehrere Wochen in unterschiedlichen KI-Systemen untersuchen. Wer wird genannt? Welche Quellen werden zitiert? Welche Wettbewerber tauchen regelmäßig auf?
Zweitens: Technische Informationen besser zugänglich machen. Materialstrukturen, Barrierewerte, Siegeleigenschaften und Recyclingfähigkeitsnachweise sollten nicht ausschließlich in PDF-Datenblättern oder hinter Kontaktformularen stehen. Gut strukturierte Webseiten mit konkreten technischen Angaben können die Auffindbarkeit verbessern.
Drittens: Lösungen statt allgemeiner Unternehmensversprechen beschreiben. Die Ergebnisse zeigen, dass eindeutig benannte Produktlinien mit eigenen Informationsseiten häufig auf den KI-generierten Lieferantenlisten erscheinen.
Viertens: Aussagen durch unabhängige Quellen absichern. Zertifizierungen, nachvollziehbare Kundenprojekte und Veröffentlichungen in Fachmedien helfen dabei, technische Aussagen überprüfbar zu machen.
Eine Garantie für häufigere KI-Nennungen ist das nicht. Die Antworten verändern sich laufend, und unterschiedliche Fragen können völlig andere Ergebnisse liefern.
Dennoch zeigt die Studie, dass Unternehmen ihre digitale Sichtbarkeit nicht vollständig dem Zufall überlassen müssen.
Und was bedeutet das für Innoform?
Auch Innoform wurde in der Untersuchung berücksichtigt.
Mit zehn Quellenverweisen gehörte Innoform zu den 13 vertretenen Unternehmen, die in den untersuchten KI-Antworten überhaupt vorkamen.
Das ist einerseits erfreulich, zeigt andererseits aber auch, wie groß die Entwicklungsmöglichkeiten selbst für Unternehmen sind, die bereits umfangreiche Fachinformationen veröffentlichen.
Für Innoform ist die Entwicklung besonders interessant, weil unsere Inhalte nicht in erster Linie einzelne Verpackungsprodukte verkaufen sollen. Wir wollen technisches Wissen vermitteln, Entwicklungen einordnen und Fachleute entlang der Wertschöpfungskette miteinander verbinden.
Genau solche Informationen können auch bei KI-gestützten Recherchen eine Rolle spielen.
Die Herausforderung besteht darin, dass fachliche Tiefe allein nicht automatisch zu digitaler Sichtbarkeit führt. Wissen muss so strukturiert und zugänglich sein, dass es auch von neuen Informationssystemen zuverlässig verarbeitet werden kann.
Fazit: Der Wettbewerb um den Kunden beginnt früher
Die Studie von info.link ist keine repräsentative Untersuchung des gesamten europäischen Verpackungsmarktes. Sie basiert auf fünf englischsprachigen Fragestellungen, die über 35 Tage mit einer Ländereinstellung für Deutschland untersucht wurden. Andere Fragen, Sprachen oder Anwendungen könnten zu anderen Ergebnissen führen.
Auch ist eine Quellenangabe durch eine KI nicht mit einer Lieferantenempfehlung gleichzusetzen.
Dennoch liefert die Untersuchung einen wichtigen Hinweis darauf, wie sich industrielle Beschaffungsprozesse verändern könnten.
Der Wettbewerb um den Kunden beginnt möglicherweise längst, bevor der Vertrieb von einem konkreten Projekt erfährt.
Für die Hersteller flexibler Verpackungen entsteht damit eine zusätzliche Aufgabe. Neben Materialentwicklung, Verarbeitungstechnologie und regulatorischer Konformität wird die digitale Auffindbarkeit technischer Kompetenz zunehmend relevant.
Wer innovative Lösungen entwickelt, sollte deshalb auch sicherstellen, dass potenzielle Kunden – und die von ihnen verwendeten KI-Systeme – diese Lösungen finden und richtig einordnen können.
Die entscheidende Frage lautet nicht, ob KI künftig jeden Verpackungseinkauf steuern wird. Sondern ob Unternehmen darauf vorbereitet sind, wenn ihre Kunden bereits heute mit einer KI-generierten Lieferantenliste in das erste Gespräch kommen.
Haben Sie schon einmal überprüft, welche Hersteller ChatGPT oder Perplexity bei Fragen zu Ihren Verpackungsanwendungen empfehlen? Und taucht Ihr eigenes Unternehmen dabei auf?
Über die Studie: „How AI is changing the Pouch Purchasing Process“ wurde von <Link url=“https://info.link“ title=“info.link“/> unter Leitung von Chris Goeken für die Teilnehmer der INNO-Pouch 2026 in Barcelona erstellt. Die Untersuchung umfasst 665 KI-Antworten und 5.748 Quellenverweise aus dem Zeitraum vom 7. September bis 11. Oktober 2026. Grundlage dieses Artikels sind die vollständige Studie sowie die Transkription des Vortrags von Chris Goeken auf der INNO-Pouch.
