KI-Sichtbarkeit: Nennungen und Quellen richtig messen
KI-Sichtbarkeit beschreibt, ob und wie eine Marke, Domain oder Person in Antworten von KI-Systemen vorkommt. Dazu gehören Nennungen, Beschreibungen und Quellenlinks. Eine Messung gilt immer für die geprüften Fragen, Systeme, Zeitpunkte und Bedingungen; sie ist kein vollständiges Abbild aller möglichen Antworten.
Drei Dimensionen: Nennung, Korrektheit und Quellenlink
Nennung. Der Name erscheint. Dabei sollte unterschieden werden, ob gezielt nach der Marke gefragt wurde oder ob sie bei einer neutralen Branchenfrage auftaucht. Eine Antwort auf „Kennst du Firma X?“ ist kein gleichwertiger Nachweis für eine spontane Empfehlung.
Korrektheit. Tätigkeit, Ort, Angebote und weitere überprüfbare Angaben stimmen. Zusätzlich zählt der Zusammenhang: Eine kritische Erwähnung ist etwas anderes als eine Empfehlung. Eine bloße Nennungszählung übersieht diese Unterschiede.
Quellenlink. Die Antwort verlinkt eine eigene Seite oder eine andere Quelle über die Marke. Beide Fälle sollten getrennt erfasst werden. Ein Link kann vorhanden sein, ohne dass der Markenname im Antworttext fällt. Auch eine unverlinkte Nennung kann später eine Markensuche oder einen direkten Besuch auslösen.
Diese Dimensionen sind keine feste Rangfolge. Ihr Wert hängt von der Frage und vom Ziel ab: Eine korrekte Empfehlung kann wertvoll sein, auch wenn der Nutzer nicht sofort klickt.
Warum Ergebnisse schwanken
Modellversion, Generierungseinstellungen, Websuche, Suchindex, Sprache, Region und Gesprächsverlauf können Antworten verändern. Anbieter aktualisieren außerdem ihre Systeme. Selbst bei gleichem Prompt ist deshalb nicht automatisch eine identische Antwort zu erwarten.
Ein einzelner Check ist eine Momentaufnahme. Wiederholungen helfen, Streuung zu erkennen; sie machen aus einem kleinen, selektiven Prompt-Set aber noch keine repräsentative Marktstudie.
Ein Messverfahren: Fragen und Bedingungen festhalten
- Prompt-Set definieren. Beispielsweise 20 bis 50 Fragen als Startpunkt: Leistungsbedarf, Probleme, Vergleiche und Region. Markenfragen und neutrale Fragen getrennt auswerten. Diese Zahl ist eine praktische Ausgangsgröße, keine statistische Mindestanforderung.
- Systeme getrennt messen. Produkt beziehungsweise API, Modellkennung und Websuche dokumentieren. Ein API-Ergebnis ist nicht automatisch mit der Antwort im Verbraucherprodukt gleichzusetzen.
- Wiederholungen planen. Pro Frage mehrere Durchläufe und eine feste Kadenz vorsehen. Umfang und Abstand hängen von Budget und Veränderungsgeschwindigkeit ab. Gecachte identische Ergebnisse zählen nicht als unabhängige Wiederholungen.
- Bedingungen speichern. Zeitpunkt, Sprache, Region, neuer Gesprächskontext, Antwort, Quellenlinks und Fehlerstatus erfassen. Keine nicht beantworteten Anfragen stillschweigend als Nichtnennung zählen.
- Änderungen versionieren. Ein stabiles Kernset ermöglicht Vergleiche. Neue Fragen ergänzen eine neue Version; alte und neue Gesamtscores sind dann nur eingeschränkt vergleichbar.
Kennzahlen: Den Nenner mitliefern
Nennungsquote. Anteil gültiger Antworten, in denen die Zielmarke mindestens einmal vorkommt. Beispiel: 12 von 40 gültigen Antworten entsprechen 30 Prozent. Wiederholte Namensnennungen innerhalb einer Antwort erhöhen diesen Wert nicht.
Quellenquote. Anteil gültiger Antworten mit mindestens einem Link auf die eigene Domain. Links auf fremde Domains über die Marke werden separat erfasst.
Share of Voice. Eine mögliche Definition ist der Anteil der Zielmarke an allen gezählten Anbieter-Nennungen innerhalb derselben Messreihe. Dafür je Anbieter und Antwort höchstens eine Nennung zählen und die Vergleichsgruppe dokumentieren. Andere Gewichtungen sind möglich, müssen aber ausdrücklich benannt werden.
Korrektheit. Anteil der geprüften Beschreibungen, die einem festgelegten Faktenraster entsprechen. Nicht überprüfbare und strittige Aussagen separat markieren. Automatische Bewertung kann helfen; Stichproben und schwierige Fälle brauchen fachliche Kontrolle.
Immer Stichprobengröße, Ausfälle und Bedingungen danebenstellen. Kleine Unterschiede zwischen zwei Durchläufen können Zufall oder ein veränderter Suchstand sein, statt die Wirkung einer Website-Änderung zu zeigen.
Traffic und Conversions bleiben relevant
KI-Sichtbarkeit und Website-Traffic sind unterschiedliche Messgrößen. Nennungen können ohne Klick wirken. Zugleich zeigen qualifizierte Besuche, Anfragen und Conversions, ob daraus messbarer Nutzen entsteht. Referrer und Analytics bilden die Herkunft nicht lückenlos ab; indirekte Markensuchen sind nicht ohne Weiteres einer KI-Antwort zuzuordnen.
Google führt Auftritte in seinen KI-Suchergebnissen in den allgemeinen Web-Leistungsdaten der Search Console mit. Ein separates API-Prompt-Set misst deshalb etwas anderes als die tatsächlichen Impressionen der Website in Google Search.
Was du verbessern und prüfen kannst
Halte Angaben zur eigenen Person oder Organisation konsistent, Inhalte zugänglich und Aussagen nachvollziehbar belegt. Strukturierte Daten müssen zum sichtbaren Text passen. Welchen Effekt eine Maßnahme auf eine konkrete KI hat, prüfst du mit denselben Fragen und dokumentierten Bedingungen.
Behauptungen wie „Erwähnungen wirken immer am stärksten“ oder „Schema garantiert KI-Zitate“ lassen sich daraus nicht ableiten. Die Grundlagen und Grenzen erklärt GEO; konkrete Seitenarbeit beschreibt der Guide zur Maschinenlesbarkeit.
Der Live-Check: Ein erster Eindruck
Der kostenlose KI-Sichtbarkeits-Check auf designare.at fragt Gemini und ChatGPT ab und prüft bei Domains zusätzlich technische Signale. Sein Score bündelt diese Teilprüfungen und ersetzt keine längerfristige Messreihe. Die Laufzeit hängt von den beteiligten Diensten ab. Ergebnisse derselben Eingabe werden für 24 Stunden gespeichert; ein erneuter Abruf dieses Datenstands ist kein neuer unabhängiger Test.