KI-Sichtbarkeit messen: Methoden, Kennzahlen, Fehler

KI-Sichtbarkeit messen heißt, regelmäßig dieselben realistischen Kundenfragen an mehrere KI-Systeme zu stellen und auszuwerten, wie oft Ihre Marke genannt oder Ihre Seite als Quelle zitiert wird. Wichtig sind Wiederholungen und Raten statt Einzelversuchen, weil die Antworten von Lauf zu Lauf schwanken.

Warum der Blick in die Search Console nicht reicht

Klassische Rankingtools zeigen Positionen für Suchbegriffe. In generierten Antworten gibt es keine feste Position, sondern Nennung oder Nichtnennung, oft mit wechselnder Quellenauswahl. Die Search Console liefert zudem keine eigene Auswertung für ChatGPT oder Perplexity. Ihr Server-Log dagegen zeigt, ob KI-Crawler Ihre Seiten abrufen, und das ist der erste Datenpunkt, den Sie ohne Zusatztool haben. Ein Abruf durch einen Crawler ist aber noch keine Nennung in einer Antwort.

Die drei Ebenen der Messung

Ebene	Frage	Aussagekraft
Crawler-Zugriff	Rufen KI-Bots meine Seiten ab?	Voraussetzung, kein Erfolg
Technische Lesbarkeit	Sind Metadaten, Daten, Sitemap in Ordnung?	Hygiene, gut automatisierbar
Nennung in Antworten	Werde ich bei Kundenfragen genannt oder zitiert?	Die eigentliche Wirkung

Die ersten beiden Ebenen prüfen Sie einmalig und nach Änderungen, die dritte laufend. Für die technische Ebene bietet BusinessMCP den kostenlosen AI Readiness Grader an; er bewertet laut Anbieter Maschinenlesbarkeit und ausdrücklich nicht den Zitiererfolg. Für die dritte Ebene brauchen Sie ein anderes Vorgehen.

Schritt für Schritt: Ein eigenes Messsystem

1. Fragenliste bauen. Sammeln Sie 10 bis 20 Fragen, die echte Kunden stellen würden. Mischen Sie unmarkenbezogene Kategoriefragen („Welche Steuerberatung hilft bei der Gründung in Heidelberg?“) mit vergleichenden und konkreten Fragen. Markennamen in der Frage verfälschen das Ergebnis, weil sie die Nennung provozieren.
2. Engines festlegen. Mindestens Google AI Overviews, ChatGPT und Perplexity; je nach Zielgruppe Gemini und Claude.
3. Mehrfach abfragen. Jede Frage pro Engine mehrmals, am besten in frischer Sitzung ohne Verlauf.
4. Protokollieren. Pro Lauf: Wurde die Marke genannt? Wurde die eigene Domain als Quelle angezeigt? Welche Wettbewerber und Fremdquellen tauchten auf?
5. Wöchentlich wiederholen und als Rate über Zeit darstellen.

Kernaussage: Ein Prozentwert ohne Stichprobengröße ist wertlos. „Wir werden in 40 Prozent der Antworten genannt“ bei fünf Läufen bedeutet etwas völlig anderes als bei fünfzig.

Unterscheiden: Zitat mit Websuche vs. Wissen des Modells

Manche Systeme antworten mit Live-Websuche, andere aus dem gespeicherten Modellwissen. BusinessMCP trennt in seinem AI-Visibility-Tracking nach eigener Beschreibung Antworten mit Websuche (als Zitate gezählt) von Antworten aus dem Modellgedächtnis (als „AI Recall“ gesondert ausgewiesen) und gibt Raten mit 95-Prozent-Intervall an. Diese Trennung ist methodisch sinnvoll, egal mit welchem Werkzeug Sie arbeiten: Zitate beeinflussen Sie durch Inhalte und Zugang, Modellwissen dagegen nur indirekt und langsam.

Ein Überblick der Anbieter steht in KI-Sichtbarkeit Tools im Vergleich.

Kennzahlen, die sich bewährt haben

• Nennungsrate: Anteil der Läufe, in denen die Marke vorkommt.
• Zitierrate: Anteil der Läufe, in denen die eigene Domain als Quelle erscheint.
• Share of Voice: Ihre Nennungen im Verhältnis zu denen definierter Wettbewerber.
• Quellenmix: Welche Fremdseiten (Portale, Verzeichnisse, Fachmedien) werden bei Ihren Fragen zitiert? Das zeigt, wo Sie außerhalb der eigenen Seite präsent sein sollten.
• Crawler-Zugriffe: Trend der KI-Bot-Abrufe im Server-Log.

Typische Messfehler

• Ein Test, eine Schlussfolgerung. Einzelne Antworten sind Zufall.
• Eingeloggt testen. Personalisierung und Verlauf verzerren das Ergebnis.
• Markennamen im Prompt. Dadurch messen Sie Bekanntheit, nicht Auffindbarkeit.
• API und Chat gleichsetzen. Die Anbieter selbst weisen darauf hin, dass API-Antworten von dem abweichen können, was im Chat erscheint; Ergebnisse sind deshalb richtungsweisend.
• Zu kurze Zeiträume. Effekte neuer Inhalte zeigen sich, wenn überhaupt, nach Wochen.

Was Sie aus den Zahlen ableiten

Sinkt die Nennungsrate trotz guter Inhalte, prüfen Sie zuerst den Zugang (siehe robots.txt für GPTBot und ClaudeBot). Werden Wettbewerber zitiert, Sie aber nicht, vergleichen Sie deren Seiten: Antwortabsatz, Belege, Tabellen. Hilfreiche Ansatzpunkte liefert GEO-Content-Optimierung. Für Betriebe vor Ort kommt der Blick auf lokale Verzeichnisse hinzu, den wir in GEO-Optimierung in Heidelberg beschreiben.

Bei kleinen Stichproben bleibt Zurückhaltung geboten. Anbieter räumen selbst ein, dass kleinere Tarife kleine Stichproben und breite Intervalle bedeuten. Das gilt auch für Ihre Tabelle: Wenige Fragen ergeben wenig Aussagekraft, mehr Fragen und mehr Wiederholungen schaffen belastbarere Raten, kosten aber Zeit oder Geld. Für den Start genügt eine einfache Tabelle, für dauerhafte Steuerung lohnt ein Werkzeug.

Beispiel: Eine Fragenliste für eine Heidelberger Zahnarztpraxis

Die folgende Aufteilung zeigt, wie eine Liste aussehen kann. Sie ist ein Denkmodell, keine Vorgabe.

Fragetyp	Beispielfrage	Was Sie lernen
Kategorie	Welche Zahnarztpraxis in Heidelberg bietet Zahnreinigung an?	Werden Sie ohne Markennamen genannt?
Vergleich	Worauf achte ich bei der Wahl einer Zahnarztpraxis?	Werden Ihre Kriterien übernommen?
Konkret	Was kostet eine professionelle Zahnreinigung?	Wird Ihre Preisseite zitiert?
Ablauf	Wie läuft der erste Termin bei einer neuen Praxis ab?	Dient Ihr Ratgeber als Quelle?

Bei Gesundheitsthemen gilt zusätzlich: Bewerten Sie Antworten nie als Beratung, und achten Sie darauf, dass Ihre eigenen Seiten nur belegbare Aussagen enthalten.

Wie oft und wie lange messen?

Wöchentlich ist ein vernünftiger Takt, weil die meisten Änderungen auf Ihrer Seite nicht schneller wirken. Rechnen Sie mit mindestens acht bis zwölf Wochen, bevor Sie Trends deuten. Dokumentieren Sie jede Änderung mit Datum (neue Seite, geänderte robots.txt, neue Verzeichniseinträge), damit Sie Ursache und Wirkung später zuordnen können. Ohne dieses Änderungsprotokoll ist selbst eine saubere Messreihe kaum interpretierbar.

Stellen Sie sich vor, die Nennungsrate steigt nach drei Wochen von 10 auf 25 Prozent. Ohne Protokoll wissen Sie nicht, ob die neue Leistungsseite, ein Presseartikel oder bloß Zufall verantwortlich war. Mit Protokoll haben Sie zumindest eine begründete Vermutung, die Sie im nächsten Zyklus prüfen können.

Wann sich ein Werkzeug lohnt

Eine Tabelle genügt, solange Sie unter etwa zehn Fragen und zwei Engines bleiben. Darüber hinaus wird die manuelle Abfrage zeitraubend und fehleranfällig. Dann lohnt es sich, Werkzeuge zu prüfen, die Abfragen automatisieren, Wettbewerber mitzählen und Unsicherheit ausweisen. Achten Sie auf transparente Methodik: Wie oft wird abgefragt, mit welchen Engines, wie werden Zitate von Modellwissen getrennt, und wo liegen die Grenzen? Seriöse Anbieter nennen diese Grenzen selbst.

Datenschutz und Dokumentation

Bei der Messung testen Sie öffentliche Systeme mit Fragen, die keine personenbezogenen Daten enthalten sollten. Geben Sie keine Kundennamen oder Fallschilderungen in Prompts ein. Wenn Sie Server-Logs auswerten, beachten Sie, dass IP-Adressen personenbezogene Daten sein können; für die Auswertung von KI-Crawlern genügt die Kennung des User-Agents, und Aufbewahrungsfristen sollten zu Ihrem Verarbeitungsverzeichnis passen. Das ist keine Rechtsberatung, sondern ein Hinweis, die Messung von Anfang an sauber aufzusetzen und in einem kurzen Protokoll festzuhalten, wer wann mit welchem Konto und welcher Sprache getestet hat.

Weitere Hilfen zur Einordnung

Wer die technische Seite zuerst klären will, beginnt mit dem AI Readiness Check. Erst wenn Zugang und Lesbarkeit stimmen, lohnt die aufwendigere Messung der Nennungen.