KI-Sichtbarkeit messen: Kennzahlen, Methode und Tools

KI-Sichtbarkeit messen heißt, regelmäßig zu erfassen, wie oft und in welcher Form deine Marke, deine Produkte oder deine Website in den Antworten von ChatGPT, Perplexity, Gemini, Microsoft Copilot sowie in Googles AI Overviews und AI Mode vorkommen. Gemessen wird dabei ein Anteil: In wie vielen Antworten auf eine festgelegte Menge an Fragen wirst du genannt, als Quelle verlinkt oder empfohlen, und wie schneidest du dabei gegenüber deinen Mitbewerbern ab? Weil dieselbe Frage nicht immer dieselbe Antwort erzeugt, entsteht ein belastbarer Wert erst aus vielen wiederholten Abfragen unter gleichen Bedingungen.

Eine Antwort ist keine Trefferliste

In der klassischen Suche steht deine Seite für ein Keyword auf einer bestimmten Position, und ein Ranking-Tool kann diese Position täglich abfragen. Eine KI-Antwort ist dagegen ein zusammenhängender Text, den das System bei jeder Anfrage neu formuliert. Ob und an welcher Stelle deine Marke darin vorkommt, hängt von der genauen Formulierung der Frage ab, vom Modell, von der Websuche im Hintergrund, vom Standort und bei angemeldeten Konten auch vom bisherigen Verlauf. Eine einzelne Antwort sagt deshalb wenig. Aussagekraft bekommt erst die Häufigkeit über viele Antworten.

Vier Zustände, die eine Antwort annehmen kann

• Erwähnung: Die Antwort nennt deinen Marken- oder Produktnamen im Text, mit oder ohne Link.
• Quelle: Das System gibt eine Seite deiner Domain als Beleg an, etwa in einer Quellenliste, als Fußnote oder als Karte neben dem Text.
• Empfehlung: Die Antwort rät ausdrücklich zu deinem Angebot, zum Beispiel als passende Wahl für einen bestimmten Bedarf.
• Fehlen: Die Antwort behandelt dein Thema, nennt aber ausschließlich andere Anbieter und Quellen.

Diese Zustände hängen nicht zwangsläufig zusammen. Eine bekannte Marke kann häufig erwähnt werden, ohne dass ihre eigene Website als Quelle erscheint, weil das System seine Belege bei Vergleichsportalen oder in Foren findet. Umgekehrt kann ein Fachartikel oft verlinkt werden, während die Marke dahinter im Antworttext kaum vorkommt. Wer alles in eine einzige Zahl zusammenfasst, verliert genau die Information, die zeigt, wo Arbeit nötig ist.

Sichtbarkeit ist nicht dasselbe wie Traffic

Eine Nennung in einer KI-Antwort erzeugt nicht automatisch einen Besuch. Viele Antworten lösen das Anliegen direkt, und eine Erwähnung ohne Link kann gar keinen Klick auslösen. Die Messung der Sichtbarkeit beantwortet deshalb eine andere Frage als die Webanalyse: Sie zeigt, ob du in den Antworten vorkommst, nicht, wie viele Menschen danach auf deine Seite kommen. Wie du Besuche aus KI-Assistenten in GA4 erkennst und bewertest, beschreibt der Ratgeber zum Messen von KI-Traffic. Beide Messungen ergänzen sich, brauchen aber getrennte Methoden und getrennte Berichte.

Wofür du die Messung brauchst

Die Messung liefert dir drei Dinge: einen Ausgangswert, an dem du spätere Veränderungen ablesen kannst, einen Vergleich mit den Anbietern, die in denselben Antworten auftauchen, und eine Übersicht der Quellen, auf die sich die Systeme bei deinen Themen stützen. Was du danach an Inhalten, Erwähnungen und Technik veränderst, gehört zur Generative Engine Optimization und ist nicht Gegenstand dieses Artikels. Ohne Messung lässt sich aber nicht beurteilen, ob diese Arbeit etwas bewirkt.

Fünf Kennzahlen decken ab, was sich an KI-Antworten sinnvoll messen lässt: Mention Rate, Citation Rate, Position, Share of Voice und Sentiment. Die Begriffe stammen überwiegend aus englischsprachigen Monitoring-Tools und werden dort nicht einheitlich verwendet. Prüfe deshalb bei jedem Bericht, wie eine Kennzahl berechnet wird, bevor du Werte aus verschiedenen Quellen nebeneinanderlegst.

Mention Rate: Wie oft deine Marke genannt wird

Die Mention Rate ist der Anteil der ausgewerteten Antworten, in denen deine Marke im Text vorkommt. Gerechnet wird: Antworten mit Nennung geteilt durch alle ausgewerteten Antworten. Stellst du 40 Fragen jeweils fünfmal und wirst in 60 der 200 Antworten genannt, liegt deine Mention Rate bei 30 Prozent. Entscheidend ist der Nenner. Er umfasst nur Fragen, bei denen eine Nennung deines Angebots fachlich naheliegt. Fragen, in denen dein eigener Markenname schon vorkommt, wertest du getrennt aus, weil das System dich dort fast zwangsläufig nennt.

Citation Rate: Wie oft deine Seiten als Quelle erscheinen

Die Citation Rate ist der Anteil der Antworten, in denen mindestens eine URL deiner Domain als Quelle angegeben ist. Manche Tools weisen zusätzlich eine Citation Frequency aus, also wie oft deine Domain insgesamt unter allen angegebenen Quellen vorkommt. Beide Werte beantworten Unterschiedliches: Die Rate zeigt, in wie vielen Antworten du als Beleg dienst, die Frequenz, welches Gewicht deine Domain im gesamten Quellenbestand hat. Besonders aufschlussreich ist der Abstand zwischen Mention Rate und Citation Rate. Wirst du oft genannt, aber selten verlinkt, stützen sich die Systeme bei deinem Namen auf fremde Seiten.

Position und Citation Rank: Wo du in der Antwort stehst

Die Position beschreibt, an welcher Stelle deine Marke im Antworttext oder deine URL in der Quellenliste auftaucht. Bei Aufzählungen von Anbietern ist das die Listenposition, bei Quellen die Reihenfolge der Belege, die manche Tools Citation Rank nennen. Ausgewiesen wird meist ein Durchschnitt über alle Antworten, in denen du vorkommst. Diese Kennzahl ist nur zusammen mit der Mention Rate sinnvoll: Eine gute durchschnittliche Position aus drei Nennungen sagt weniger als eine mittlere Position aus achtzig.

Share of Voice: Dein Anteil im Vergleich zu Mitbewerbern

Share of Voice setzt deine Nennungen ins Verhältnis zu den Nennungen aller Marken, die du beobachtest. Gerechnet wird: deine Nennungen geteilt durch die Summe der Nennungen aller beobachteten Marken im selben Prompt-Set. Damit wird aus einem eigenen Wert eine Marktposition. Der Wert hängt allerdings direkt davon ab, welche Mitbewerber du einbeziehst. Nimmst du einen weiteren Anbieter auf, sinkt dein Anteil, ohne dass sich an den Antworten etwas geändert hat. Die Liste der Mitbewerber legst du deshalb einmal fest und änderst sie nur mit Vermerk im Messprotokoll.

Sentiment: In welchem Ton du vorkommst

Eine Nennung ist nicht automatisch ein Gewinn. Die Antwort kann dich empfehlen, neutral aufzählen, mit einer Einschränkung versehen oder als Beispiel für ein Problem anführen. Das Sentiment ordnet jede Nennung einer dieser Kategorien zu. Viele Tools bestimmen es automatisch mit einem Sprachmodell. Prüfe zu Beginn eine Stichprobe von Hand, denn ein Satz wie „günstig, aber mit eingeschränktem Support“ lässt sich je nach Regel unterschiedlich einordnen. Kritische Nennungen weist du im Bericht getrennt aus, statt sie als Sichtbarkeit zu verbuchen.

Das Prompt-Set ist die Liste der Fragen, die du den KI-Systemen regelmäßig stellst. Es ist das Fundament jeder Messung, denn alle Kennzahlen beziehen sich auf genau diese Fragen. Ein schlecht gewähltes Set liefert saubere Zahlen über Fragen, die deine Kunden nie stellen würden.

Fragen aus echten Gesprächen sammeln

Gute Prompts stammen aus den Fragen, die deine Kunden tatsächlich stellen: aus Vertriebsgesprächen, Supportanfragen, Bewertungen, Suchanfragen in der Search Console und Diskussionen in Foren deiner Branche. Formuliere sie so, wie Menschen mit einem KI-Assistenten sprechen, also eher als vollständige Frage mit Kontext als in Stichworten. Aus „crm handwerk“ wird etwa „Welches CRM eignet sich für einen Handwerksbetrieb mit zehn Mitarbeitern, der Angebote unterwegs schreiben will?“. Solche Formulierungen enthalten die Bedingungen, unter denen ein System eine Auswahl trifft.

Nach Absicht und Thema gliedern

Teile die Fragen nach ihrer Absicht auf: Wissensfragen, bei denen jemand ein Thema verstehen will, Auswahlfragen nach dem passenden Anbieter für einen Bedarf, Vergleichsfragen zwischen zwei Lösungen und Fragen, die deine Marke direkt nennen. Ordne jede Frage zusätzlich einem Themencluster zu, etwa einer Produktlinie oder einer Leistung. So erkennst du später, ob du bei Auswahlfragen zu einem Thema fehlst, während du bei den Wissensfragen gut belegt bist. Diese Gliederung bringt mehr Erkenntnis als eine möglichst große Zahl an Prompts.

Markenfragen getrennt auswerten

Fragen wie „Was ist von Anbieter X zu halten?“ zeigen, wie ein System über deine Marke spricht, welche Quellen es dafür heranzieht und ob seine Angaben stimmen. Sie gehören ins Set, aber in einen eigenen Bericht. In der Mention Rate oder im Share of Voice würden sie die Werte nach oben ziehen, weil dein Name dort schon in der Frage steht. Getrennt ausgewertet liefern sie dagegen wertvolle Hinweise auf veraltete oder falsche Darstellungen.

Größe und Zuschnitt

Eine allgemeingültige Mindestzahl gibt es nicht. Das Set muss groß genug sein, um jedes wichtige Themencluster mit mehreren Fragen abzudecken, und klein genug, damit du jede Frage mehrfach in allen gewählten Systemen ausführen und die Antworten tatsächlich lesen kannst. Für den Einstieg ist ein kleineres, sorgfältig gepflegtes Set besser als eine große Sammlung, die niemand auswertet. Erweitere es gezielt, wenn ein Cluster zu wenige Fragen für eine Aussage hat.

Das Set einfrieren und versionieren

Sobald die erste Messung steht, änderst du das Set nicht mehr stillschweigend. Neue Fragen kommen als neue Version hinzu, bestehende bleiben in der Auswertung, bis du sie bewusst entfernst. Notiere zu jeder Version das Datum und den Grund der Änderung. Nur so kannst du später unterscheiden, ob sich deine Sichtbarkeit verändert hat oder lediglich die Fragen, mit denen du sie misst.

Sprachmodelle erzeugen ihre Antworten nicht deterministisch. OpenAI beschreibt in seiner Entwicklerdokumentation ausdrücklich, dass die Ausgaben seiner Modelle nicht deterministisch sind und dass verschiedene Versionen innerhalb derselben Modellfamilie unterschiedliche Ergebnisse liefern können. Dieselbe Frage kann also bei zwei Abfragen kurz hintereinander andere Anbieter, eine andere Reihenfolge oder andere Quellen hervorbringen. Wer jede Frage nur einmal stellt, misst zu einem guten Teil den Zufall.

Woher die Schwankung kommt

Mehrere Ursachen wirken zusammen. Das Modell wählt bei der Textgenerierung Wörter mit einer gewissen Zufälligkeit aus. Bei Systemen mit Websuche hängt die Antwort außerdem von den Suchergebnissen ab, die im Moment der Anfrage abgerufen werden. Hinzu kommen Modellwechsel durch den Anbieter, Standort und Sprache sowie bei angemeldeten Konten gespeicherte Erinnerungen und frühere Unterhaltungen. Einiges davon kannst du festhalten, anderes nicht. Die Wiederholung gleicht den Teil aus, den du nicht kontrollieren kannst.

Wiederholen und Anteile zählen

Stelle jede Frage in jedem System mehrfach unter denselben Bedingungen und zähle, in wie vielen Durchläufen du genannt oder verlinkt wirst. Aus fünf Durchläufen mit drei Nennungen wird ein Anteil von drei Fünfteln, nicht einfach ein Ja. Über alle Fragen eines Clusters zusammengefasst, entsteht ein Wert, der deutlich ruhiger ist als jede einzelne Antwort. Wie viele Durchläufe du brauchst, hängt davon ab, wie stark die Antworten in deinem Thema schwanken. Das zeigt dir die erste Messung: Liefern die Wiederholungen fast immer dieselben Anbieter, genügen wenige. Wechseln die Namen von Durchlauf zu Durchlauf, brauchst du mehr.

Kleine Stichproben richtig lesen

Je weniger Antworten hinter einem Anteil stehen, desto grober ist er. Bei zehn Antworten verschiebt jede einzelne Nennung den Wert um zehn Prozentpunkte. Ein Anstieg von 20 auf 30 Prozent kann dort schlicht eine zusätzliche Nennung sein. Belastbarer wird die Aussage, wenn du Cluster mit vielen Antworten betrachtest, mehrere Messtermine vergleichst und nur Veränderungen ernst nimmst, die sich über mehrere Termine halten. Schreibe deshalb zu jedem Wert im Bericht dazu, wie viele Antworten dahinterstehen. Wer den Wert liest, kann ihn dann selbst einordnen.

Einen festen Rhythmus wählen

Gemessen wird in einem festen Abstand, etwa wöchentlich oder alle zwei Wochen, immer mit demselben Set und denselben Einstellungen. Tägliche Werte verleiten dazu, auf Schwankungen zu reagieren, die nichts bedeuten. Wichtiger als ein kurzer Abstand ist, dass die Bedingungen von Termin zu Termin gleich bleiben. Vermerke im Messprotokoll außerdem Ereignisse, die eine Veränderung erklären können, etwa neue Inhalte, eine Pressemeldung oder ein angekündigter Modellwechsel des Anbieters.

Bevor du misst, legst du fest, in welchen Systemen, in welcher Sprache, für welches Land und unter welchen technischen Bedingungen du fragst. Diese Entscheidungen bestimmen, wessen Sichtbarkeit du eigentlich misst: die eines neuen Interessenten in Deutschland oder die deines eigenen, längst personalisierten Kontos.

Die Systeme nach deiner Zielgruppe wählen

ChatGPT, Perplexity, Gemini, Microsoft Copilot sowie AI Overviews und AI Mode in der Google-Suche funktionieren unterschiedlich und werden von unterschiedlichen Menschen genutzt. AI Overviews erscheinen innerhalb der Google-Suchergebnisse und erreichen damit auch Menschen, die nie bewusst einen KI-Assistenten öffnen. Die eigenständigen Assistenten dagegen nutzen vor allem Menschen, die ihre Frage gezielt dort stellen. Beginne mit den Systemen, die deine Kunden nachweislich verwenden oder die in deiner Branche naheliegen, statt alle gleichzeitig abzudecken. Wie sich die Systeme bei der Auswahl ihrer Quellen unterscheiden, behandeln die Ratgeber zur Optimierung für ChatGPT, Perplexity und Gemini.

Oberfläche oder Schnittstelle

Manche Monitoring-Tools fragen die Systeme über ihre Programmierschnittstellen ab, andere bilden die Nutzung der normalen Oberfläche nach. Für die Messung ist der Unterschied wichtig: Eine Schnittstelle liefert nicht zwingend dieselben Antworten wie die App, weil Modellversion, Websuche und Voreinstellungen abweichen können. Was deine Kunden sehen, entsteht in der Oberfläche. Frag bei jedem Tool nach, wie die Antworten erhoben werden, und teste bei manueller Messung in genau der Oberfläche, die auch deine Kunden verwenden.

Personalisierung ausschließen

Angemeldete Konten bringen gespeicherte Erinnerungen, frühere Unterhaltungen und persönliche Einstellungen mit. OpenAI beschreibt in seiner Hilfe, dass ChatGPT Erinnerungen zur Personalisierung von Antworten nutzt und dass temporäre Chats keine Erinnerungen verwenden. Wer mit dem eigenen Konto testet, in dem er schon oft über sein Unternehmen geschrieben hat, misst ein geschöntes Bild. Nutze für die Messung einen neutralen Zugang: ein eigenes Messkonto ohne Erinnerungen, einen temporären Chat oder eine abgemeldete Sitzung im privaten Browserfenster, und starte jede Frage in einer neuen Unterhaltung. Halte fest, welche Variante du nutzt, und bleib dabei.

Land, Sprache und Standort festlegen

Antworten hängen davon ab, in welcher Sprache gefragt wird und wo sich die fragende Person befindet. Ein Anbieter, der in deutschen Antworten häufig vorkommt, kann in englischen fehlen und umgekehrt. Bei Fragen mit lokalem Bezug, etwa nach einem Dienstleister in einer bestimmten Stadt, wiegt der Standort noch schwerer. Lege für jedes Zielland eine eigene Messung mit Fragen in der Landessprache an und dokumentiere, über welchen Standort abgefragt wurde. Deutschland, Österreich und die Schweiz wertest du getrennt aus, auch wenn die Fragen gleich lauten, und rechnest die Werte nicht zu einer gemeinsamen Zahl zusammen.

Das Messprotokoll

Halte alle Bedingungen in einem kurzen Protokoll fest: Systeme, Modellversion, soweit die Oberfläche sie anzeigt, Kontostatus, Sprache, Land, Datum, Zahl der Durchläufe und Version des Prompt-Sets. Das klingt nach Verwaltungsarbeit, ist aber der einzige Weg, eine Veränderung später einer Ursache zuzuordnen. Ohne Protokoll weißt du nach drei Monaten nicht mehr, ob ein Anstieg aus deinen Inhalten stammt oder aus einer geänderten Einstellung.

Aus gesammelten Antworten werden erst durch eine einheitliche Auswertung Kennzahlen. Dafür legst du Regeln fest, nach denen jede Antwort gleich behandelt wird, egal ob du sie von Hand oder mit einem Tool auswertest. Schreib diese Regeln auf, bevor du die erste Antwort auswertest.

Ein Raster für jede Antwort

Pro Antwort erfasst du, ob deine Marke genannt wird, an welcher Stelle und in welchem Ton, ob eine URL deiner Domain als Quelle erscheint, welche Mitbewerber vorkommen und welche Quellen insgesamt angegeben sind. Lege vorab fest, welche Schreibweisen als Nennung zählen, etwa Abkürzungen, Produktnamen oder frühere Firmennamen. Ohne diese Liste übersieht die Auswertung Nennungen oder zählt fremde Namen mit, die zufällig ähnlich klingen. Bei Antworten mit Empfehlungscharakter hältst du zusätzlich fest, ob du ausdrücklich empfohlen oder nur aufgezählt wirst.

Quellen nach Typ ordnen

Die angegebenen Quellen sind oft aufschlussreicher als die Nennungen selbst. Ordne jede Quelle einem Typ zu: eigene Seiten, Seiten von Mitbewerbern, redaktionelle Medien, Vergleichs- und Bewertungsportale, Foren und Communitys, Verzeichnisse sowie Hersteller- und Partnerseiten. So siehst du, auf welche Art von Seiten sich ein System bei deinem Thema stützt. Erscheinen bei Auswahlfragen vor allem Vergleichsportale, entscheidet sich deine Sichtbarkeit zu einem guten Teil dort und nicht allein auf deiner Website.

Lücken zwischen Nennung und Beleg erkennen

Vergleiche für jedes Themencluster, wie oft du genannt und wie oft du verlinkt wirst und welche fremden Seiten an deiner Stelle als Beleg dienen. Vier Muster helfen dir bei der Einordnung:

• Genannt, aber fremd belegt: Die Systeme kennen deine Marke, stützen sich aber auf Portale oder Berichte über dich.
• Zitiert, aber nicht genannt: Deine Seiten liefern Fakten, während im Antworttext andere Anbieter stehen.
• Weder genannt noch zitiert: Mitbewerber tauchen regelmäßig auf, du fehlst in Text und Quellen.
• Genannt mit Einschränkung: Du kommst vor, aber mit einem Vorbehalt, der sich auf eine bestimmte Quelle zurückführen lässt.

Jedes Muster führt zu einer anderen Aufgabe, und genau diese Zuordnung ist das eigentliche Ergebnis der Auswertung.

Inhaltliche Richtigkeit prüfen

Lies bei Markenfragen und bei Antworten, in denen du genannt wirst, auch den Inhalt. KI-Systeme geben manchmal veraltete Leistungen, falsche Standorte oder nicht mehr gültige Angebote wieder. Solche Fehler erscheinen in keiner Quote, können eine Kaufentscheidung aber stärker beeinflussen als eine fehlende Nennung. Notiere sie zusammen mit der Quelle, auf die sich die Antwort stützt, denn dort setzt die Korrektur an.

Ergebnisse in Aufgaben übersetzen

Am Ende der Auswertung steht eine kurze Liste: welche Cluster schwach sind, welche Quellentypen dort dominieren und welche fehlerhaften Aussagen auftauchen. Daraus leitest du ab, ob eigene Inhalte, Erwähnungen auf fremden Seiten oder Korrekturen den größten Hebel haben. Wie sich diese Arbeit zur klassischen Suchmaschinenoptimierung verhält, ordnet der Vergleich von SEO und GEO ein.

Prompt-Tests zeigen, was die Systeme auf deine Fragen antworten. Google und Microsoft liefern daneben eigene Daten dazu, wie oft deine Seiten in ihren KI-Funktionen erscheinen. Diese Daten beruhen auf tatsächlichen Suchen statt auf einer Stichprobe, decken aber nur die Dienste des jeweiligen Anbieters ab.

AI Overviews und AI Mode im Leistungsbericht

Laut Google-Dokumentation werden Websites, die in KI-Funktionen wie AI Overviews und AI Mode erscheinen, im Leistungsbericht der Search Console unter dem Suchtyp „Web“ mitgezählt. Ein Klick auf einen Link in einer AI Overview zählt als Klick, für Impressionen gelten die üblichen Regeln. Bei der Position gibt es eine Besonderheit: Eine AI Overview belegt eine einzige Position in den Suchergebnissen, und alle Links darin erhalten diese Position. Für AI Mode folgt die Position derselben Methode wie auf einer normalen Ergebnisseite. Im allgemeinen Leistungsbericht stecken diese Werte in den Gesamtzahlen und lassen sich dort nicht von den klassischen Ergebnissen trennen.

Der Bericht zur Leistung in generativer KI

Einen eigenen Ausschnitt liefert der Bericht zur Leistung in generativer KI. Er zeigt laut Google-Hilfe, wie oft Links zu deiner Website in generativen KI-Funktionen der Google-Suche angezeigt wurden. Als Dimensionen nennt die Hilfeseite Seiten, Länder, Geräte und Datum, Grundlage sind die Daten des Suchtyps „Web“. Erscheinen zwei Ergebnisse deiner Website in derselben KI-Funktion, zählt das im Gesamtwert als eine Impression. Suchanfragen gehören nicht zu den genannten Dimensionen. Du erfährst also, welche Seiten in Googles KI-Funktionen auftauchen und in welchen Ländern, aber nicht, bei welchen Fragen.

Google-Daten und Prompt-Tests verbinden

Die Search Console beantwortet, welche deiner URLs in Googles KI-Funktionen sichtbar werden, und zwar auf Basis tatsächlicher Suchen. Prompt-Tests beantworten, bei welchen konkreten Fragen das geschieht und wer an deiner Stelle genannt wird. Lege beides nebeneinander: Seiten mit vielen KI-Impressionen zeigen dir, welche Inhalte Google bereits als Beleg nutzt. Wichtige Seiten ohne KI-Impressionen sind Kandidaten für eine genauere Prüfung. Was du an solchen Seiten verändern kannst, beschreibt der Ratgeber zum Optimieren für AI Overviews.

Bing Webmaster Tools für Copilot

Microsoft bietet in den Bing Webmaster Tools einen Bericht zur KI-Leistung. Er zeigt, wie Inhalte in KI-generierten Antworten in Microsoft Copilot, in Bing und in ausgewählten Partnerdiensten erscheinen: wie oft deine Seiten als Quelle zitiert wurden und mit welchen Abfragen das System Inhalte für seine Antworten herangezogen hat. Microsoft hat den Bericht um weitere Auswertungen ergänzt, darunter einen Citation Share, der zeigt, wie sich deine Präsenz im Verhältnis zu anderen zitierten Quellen entwickelt. Teile davon sind als Vorschau gekennzeichnet. Auch hier gilt: Ein Zitat ist kein Besuch.

Was keine Plattform liefert

Für ChatGPT, Perplexity und die Gemini-App gibt es keine vergleichbaren Berichte für Websitebetreiber. Für diese Systeme bleibt nur die eigene Messung über Prompts oder ein Monitoring-Tool. Auch die Berichte von Google und Microsoft verraten nicht, welche Mitbewerber neben dir erscheinen und in welchem Ton du genannt wirst. Sie ergänzen die Prompt-Messung, ersetzen sie aber nicht.

Für den Einstieg reicht eine manuelle Messung. Mit mehreren Systemen, Ländern und Wiederholungen wird sie aber schnell aufwendig, und dann übernehmen Monitoring-Tools Abfrage und Auswertung. Sie unterscheiden sich weniger im Grundprinzip als in Details, die über die Aussagekraft der Zahlen entscheiden. Prüfe sie deshalb anhand fester Kriterien statt anhand von Ranglisten.

Kriterien, die über die Aussagekraft entscheiden

• Abgedeckte Systeme: Sind die Systeme dabei, die deine Kunden nutzen, einschließlich AI Overviews und AI Mode?
• Erhebungsweg: Fragt das Tool die Oberfläche oder eine Schnittstelle ab, und sagt der Anbieter das offen?
• Eigene Prompts: Kannst du dein Prompt-Set selbst festlegen und versionieren?
• Länder und Sprachen: Lassen sich Deutschland, Österreich und die Schweiz getrennt abfragen?
• Wiederholungen: Wie oft wird jede Frage abgefragt, und steht die Zahl der Antworten bei jedem Wert?
• Rohantworten und Quellen: Kannst du vollständige Antworten und angegebene URLs einsehen und exportieren?
• Definitionen: Erklärt der Anbieter, wie Sichtbarkeit, Position und Share of Voice berechnet werden?
• Sentiment-Regeln: Lässt sich die automatische Einordnung des Tons nachvollziehen und korrigieren?

Prompt-Monitoring: Otterly.AI, Peec AI und Profound

Diese Tools arbeiten mit Prompts, die du hinterlegst, und werten die Antworten regelmäßig aus. Otterly.AI nennt auf seiner Website AI Overviews, AI Mode, ChatGPT, Gemini, Copilot, Claude und Perplexity, misst Markennennungen, die durchschnittliche Position, einen Share of AI Voice, Quellen und Sentiment und bietet eine Länderauswahl, zu der Deutschland, Österreich und die Schweiz gehören. Der Anbieter weist selbst darauf hin, dass seine Ergebnisse von manuellen Suchen abweichen können, weil die Plattformen ihre Antworten personalisieren.

Peec AI nennt ChatGPT, Perplexity und Gemini sowie eine eigene Messung für AI Mode und stellt Sichtbarkeit, Position, Sentiment und die wichtigsten Quellen dar. Prompts kannst du selbst anlegen oder dir vorschlagen lassen. Profound nennt unter anderem ChatGPT, Perplexity, Claude, Gemini, Copilot und AI Overviews und stellt eine Sichtbarkeit je Plattform, Quellenanalysen und Sentiment in den Mittelpunkt. Wie diese Anbieter ihre Antworten technisch erheben, geht aus den Herstellerseiten nicht durchgehend hervor. Frag danach, bevor du die Werte interpretierst.

SEO-Suiten mit KI-Modul

Etablierte SEO-Werkzeuge haben Module für KI-Sichtbarkeit ergänzt. Ahrefs Brand Radar leitet Prompts laut Hersteller aus seiner Keyword-Datenbank ab, erweitert sie zu Fragen, lässt sie durch AI Overviews, AI Mode, ChatGPT, Perplexity, Gemini und Copilot laufen und weist Nennungen, Quellen, einen Share of Voice sowie nach Suchvolumen gewichtete geschätzte Impressionen aus. Der Vorteil ist die Breite ohne eigene Vorarbeit. Der Nachteil: Die Fragen stammen aus einer allgemeinen Datenbank und bilden nicht zwingend die Gespräche deiner Kunden ab. Eigene Prompts lassen sich zusätzlich hinterlegen.

Kostenlose Schnelltests

Werkzeuge wie der AEO Grader von HubSpot liefern eine schnelle Einschätzung. Laut Hersteller befragt der Grader mehrere Sprachmodelle, wie sie eine Marke auf Basis ihres Trainingswissens einordnen, und verdichtet Sentiment, Präsenz, Markenbekanntheit, Share of Voice und Wettbewerb zu einem Punktwert. Das ist ein Schnappschuss der Markenwahrnehmung, kein Monitoring echter Kundenfragen. Für einen ersten Eindruck taugt er, als Ausgangswert für eine Messreihe nicht.

Ein Tool ersetzt nicht die Methode

Jedes Tool rechnet mit eigenen Definitionen. Werte aus zwei Werkzeugen sind deshalb nicht direkt vergleichbar, und ein Wechsel des Tools beginnt faktisch eine neue Messreihe. Bevor du dich festlegst, lohnt ein Probelauf: dasselbe Prompt-Set im Tool und von Hand, danach der Vergleich, ob Nennungen und Quellen übereinstimmen. Weichen sie stark ab, weißt du, welche Fragen du dem Anbieter stellen musst.

Viele Fehler bei der Messung von KI-Sichtbarkeit entstehen in den Messbedingungen. Die wichtigsten Regeln dagegen kennst du bereits: Gemessen wird über einen neutralen Zugang statt über das eigene Konto, das Prompt-Set bekommt bei jeder Änderung eine neue Version, Markenfragen bleiben aus den Quoten heraus, und Einzelantworten taugen als Beispiel, nicht als Nachweis. Daneben gibt es Fehler, die erst bei der Auswertung und beim Berichten entstehen. Sie führen zu Zahlen, die sauber aussehen und trotzdem wenig über deine Lage aussagen.

Systeme zu einem Gesamtwert mitteln

Ein einziger Sichtbarkeitswert über alle Systeme klingt praktisch, verdeckt aber die Unterschiede, auf die es ankommt. Wirst du in Perplexity häufig zitiert und fehlst in ChatGPT, ergibt der Durchschnitt einen mittleren Wert, der auf kein System zutrifft. Hinzu kommt ein Rechenproblem: Fließen aus einem System mehr Antworten ein als aus einem anderen, bestimmt es den Gesamtwert stärker, ohne dass das jemand entschieden hat. Weise die Kennzahlen deshalb je System aus. Einen Gesamtwert bildest du höchstens zusätzlich und legst offen, wie die Systeme darin gewichtet sind.

Namensgleichheit übersehen

Trägt deine Marke einen Namen, den auch ein anderes Unternehmen, ein Produkt oder ein allgemeiner Begriff verwendet, zählt eine automatische Auswertung schnell fremde Nennungen mit. Die Mention Rate steigt dann, ohne dass du gemeint bist. Prüfe bei mehrdeutigen Namen jede Nennung im Zusammenhang, zumindest in einer Stichprobe, und ergänze die Regeln aus deinem Auswertungsraster um Merkmale, an denen du dich eindeutig erkennen lässt, etwa Ort, Branche oder Produktname.

Modellwechsel nicht vermerken

Die Anbieter aktualisieren ihre Modelle und ihre Websuche, oft ohne dass sich an der Oberfläche viel ändert. Eine solche Umstellung kann die Antworten in deinem Thema spürbar verschieben. Fehlt der Vermerk im Messprotokoll, schreibst du die Veränderung später deinen eigenen Maßnahmen zu oder suchst einen Fehler, wo keiner ist. Notiere deshalb bei jedem Termin die angezeigte Modellversion und angekündigte Änderungen der Anbieter, und bewerte Sprünge, die zeitgleich in allen Themen auftreten, zuerst als mögliche Systemänderung.

Die Position in der Search Console falsch lesen

Weil alle Links einer AI Overview dieselbe Position erhalten, lässt sich aus der durchschnittlichen Position im Leistungsbericht nicht ablesen, wie weit oben deine Seite innerhalb der KI-Antwort genannt wurde. Verbessert sich die durchschnittliche Position einer Seite, kann das an einer Nennung in einer AI Overview liegen oder an einem besseren klassischen Ranking. Für die Stelle innerhalb der Antwort brauchst du die eigene Prompt-Messung.

Sichtbarkeit und Traffic verrechnen

Wer Besuche aus KI-Assistenten durch die eigene Mention Rate teilt, um eine Klickrate zu berechnen, verbindet zwei Größen mit völlig unterschiedlichen Nennern. Die Prompt-Messung beruht auf einer kleinen, selbst gewählten Stichprobe, die Webanalyse auf tatsächlichen Besuchen. Beide Werte gehören nebeneinander in den Bericht, nicht in eine gemeinsame Formel.

Ursachen außerhalb der KI-Antworten übersehen

Verändert sich deine Sichtbarkeit sprunghaft, liegt die Ursache nicht immer bei dir. Ein Mitbewerber kann eine viel zitierte Studie veröffentlicht haben, ein Vergleichsportal kann seine Liste überarbeitet haben. Sinken gleichzeitig auch deine klassischen Rankings, lohnt zuerst der Blick auf die organische Suche, denn Systeme mit Websuche greifen für ihre Antworten auf Suchergebnisse zurück. Wie du einen solchen Rückgang einordnest, beschreibt der Ratgeber zum Google Core Update.

Für den Start reichen vier Wochen mit klaren Schritten. Am Ende steht eine Ausgangsmessung, an der du jede spätere Veränderung ablesen kannst, und eine kurze Liste der Themen, in denen du fehlst.

Woche 1: Ziel, Systeme und Prompt-Set

Lege zuerst fest, welche Themen für dein Geschäft zählen, und gliedere sie in Cluster. Entscheide dann, in welchen Systemen und Ländern du misst, und beginne mit denen, die für deine Kunden am wichtigsten sind. Bestimme die Mitbewerber, die du beobachtest, und die Schreibweisen, die als Nennung deiner Marke gelten. Sammle anschließend die Fragen aus Vertrieb, Support und Search Console, ordne sie nach Absicht und Cluster und speichere sie als erste Version des Prompt-Sets. Lege zum Schluss das Messprotokoll mit Zugang, Sprache, Land und Zahl der Durchläufe an.

Woche 2: Die Ausgangsmessung erheben

Führe jede Frage in jedem gewählten System mehrfach aus, jeweils in einer neuen Unterhaltung und über den festgelegten neutralen Zugang. Speichere die vollständigen Antworten und die angegebenen Quellen, nicht nur deine Einschätzung. Gespeicherte Rohantworten erlauben dir, die Auswertung später mit verbesserten Regeln zu wiederholen, ohne erneut abfragen zu müssen.

Woche 3: Auswerten und Quellen ordnen

Werte die Antworten nach dem Raster aus Abschnitt 06 aus und berechne Mention Rate, Citation Rate, Position, Share of Voice und Sentiment je Cluster und System. Ordne die Quellen nach Typ und markiere die Muster, die zeigen, warum du in einem Thema fehlst. Lege zusätzlich den Bericht zur Leistung in generativer KI aus der Search Console daneben und prüfe, welche deiner Seiten in Googles KI-Funktionen bereits Impressionen sammeln.

Woche 4: Bericht und Rhythmus

Fasse das Ergebnis in einem kurzen Bericht zusammen: die Kennzahlen je Cluster und System mit der Zahl der Antworten dahinter, die stärksten Mitbewerber, die dominierenden Quellentypen, gefundene Fehldarstellungen und die drei Themen mit dem größten Handlungsbedarf. Lege danach den Messabstand fest und trage die nächsten Termine ein. Ab jetzt läuft jede Messung mit demselben Set und denselben Bedingungen.

Nach dem ersten Monat

Die Ausgangsmessung ist ein Vergleichspunkt. Ihren Wert zeigt sie erst, wenn du Inhalte überarbeitest, Erwähnungen auf relevanten Seiten aufbaust oder Fehldarstellungen korrigierst und die Wirkung über mehrere Termine verfolgst. Wenn wir deine KI-Sichtbarkeit aufbauen, steht eine solche Ausgangsmessung am Anfang, damit sich jede spätere Maßnahme an denselben Fragen messen lässt. Ob du die Messung selbst führst oder abgibst: Entscheidend ist, dass die Methode über Monate gleich bleibt.