KI-Sichtbarkeit Messen: Der Praktische Leitfaden

KI-Sichtbarkeit zu messen heißt: ein Set realistischer Käufer-Prompts aufbauen, sie durch jede für Ihre Kategorie relevante KI-Engine laufen lassen, protokollieren ob und wie Ihre Marke in jeder Antwort zitiert wird, und das auf festem Rhythmus wiederholen, um einen Trend statt eine einzelne Momentaufnahme zu sehen. Das ist die ganze Methode, die Details, die den Unterschied zwischen belastbaren und irreführenden Zahlen machen, liegen darin, wie Sie das Prompt-Set aufbauen, wie viele Engines und Sprachen Sie abdecken, und was genau Sie über ein reines Ja/Nein hinaus protokollieren.

Das ist dieselbe Methodik, mit der wir unsere eigene Zitieranteil-Baseline aufgebaut haben (20 Prompts, 4 Engines, 3 Sprachen, 240 Antworten insgesamt), hier als wiederholbarer Prozess dokumentiert, nicht als einmalige Forschungsübung. Nichts daran erfordert proprietäre Werkzeuge, um es von Hand nachzubauen; ein dediziertes Tool kauft Ihnen vor allem Geschwindigkeit und Konsistenz im monatlichen Maßstab, dazu mehr am Ende dieses Leitfadens.

Schritt 1: Ein Prompt-Set aus echter Käufersprache aufbauen

Beginnen Sie mit Fragen, die Ihre Käufer tatsächlich stellen würden, nicht mit dem Keyword, für das Sie eine Landingpage optimieren würden. Generische Kategorie-Prompts ("beste [Kategorie]-Tools") gehören ins Set, aber ergänzt um Vergleichs-Prompts ("X vs. Y, was eignet sich besser für ein kleines Team"), einschränkungsbasierte Prompts ("gibt es eine kostenlose Möglichkeit, das vor der Entscheidung zu testen") und problemorientierte Prompts, die nie eine Produktkategorie beim Namen nennen. Ein Prompt-Set, das nur aus Kategorie-Keywords besteht, überzeichnet die tatsächliche Lage, weil das die Prompts sind, bei denen ein Zitat am leichtesten fällt und die am wenigsten repräsentativ für echte Kaufentscheidungen sind.

Fünfzehn bis zwanzig Prompts sind eine praktikable Ausgangsgröße. Weniger, und das Rauschen einzelner Prompts dominiert Ihre Ergebnisse; deutlich mehr, und die Übung wird zu langsam für einen monatlichen Rhythmus, was den Zweck der Trendmessung untergräbt.

Schritt 2: Dasselbe Set über mehrere Engines laufen lassen

Eine Messung mit nur einer Engine verallgemeinert schlecht, und die Größe der Lücke zeigt warum. In unserer eigenen 240-Antworten-Studie zitierte Perplexity Otterly.AI in 42% seiner Antworten und Profound in 40%, während auf OpenAIs ChatGPT dieselben beiden Tools jeweils unter 8% lagen. Gemini und Perplexity hatten zum Messzeitpunkt bereits effektiv GEO-native Tools als Standardantwort für diese Kategorie "gewählt"; ChatGPT setzte noch auf generische, etablierte Marken (Semrush 17%, Ahrefs 13%). Nur die eigene bevorzugte Engine zu messen sagt etwas über deren Verhalten aus und verallgemeinert schlecht auf die anderen drei.

Schritt 3: Mehrere Sprachen abdecken, wenn Ihr Markt das erfordert

Zitiermuster verschieben sich je nach Sprache, nicht nur je Engine. In unseren eigenen englischen, portugiesischen und spanischen Ergebnissen reichte Semrushs Zitieranteil von 40% im Englischen bis 25% im Spanischen, eine Verschiebung von 15 Prozentpunkten für dieselbe Marke, dieselbe Kategorie, nur andere Sprache. Wenn Ihre Käufer in mehr als einer Sprache recherchieren, übersieht eine einsprachige Messung diese Varianz vollständig.

Schritt 4: Entscheiden, was Sie tatsächlich protokollieren

Die Zitierrate (der Prozentsatz der Läufe, in denen Sie überhaupt erwähnt werden) ist die Hauptkennzahl, aber drei weitere Dinge lohnen sich, mitzuprotokollieren: ob Sie neben genannten Wettbewerbern zitiert werden oder anstelle von ihnen, ob das Zitat eine beiläufige Erwähnung oder ein substanzielles Zitat ist, und bei welchen spezifischen Prompts Sie nie auftauchen. Das Muster über Ihre Null-Zitat-Prompts hinweg ist meist aussagekräftiger als der Gesamtprozentsatz, weil es auf konkrete Content-Lücken hinweist statt auf ein vages "wir sind nicht sichtbar genug."

Schritt 5: Einen Rhythmus festlegen und einhalten

Eine einzelne Messung ist eine Momentaufnahme, kein Trend. Monatlich ist ein vernünftiger Standard: häufig genug, um echte Verschiebungen zu erfassen, selten genug, um ohne Automatisierung durchhaltbar zu bleiben. Welchen Rhythmus Sie auch wählen, halten Sie das Prompt-Set über die Läufe hinweg stabil. Fragen und Zeitplan gleichzeitig zu ändern macht es unmöglich zu sagen, ob eine Veränderung der Zitierrate den Markt widerspiegelt oder nur ein anderes Prompt-Set.

Schritt 6: Eine Einzelmessung nicht als stabil behandeln

Das ist die Vorsicht, die die meisten KI-Sichtbarkeits-Leitfäden auslassen, und sie zählt. KI-Modell-Ausgaben schwanken von Lauf zu Lauf, selbst bei identischem Prompt, und die zugrunde liegenden Modelle aktualisieren sich ohne öffentliche Ankündigung. Eine einzelne 240-Antworten-Messung, wie unsere eigene erste Baseline, ist eine echte, ehrliche Momentaufnahme, aber kein stabiler Durchschnitt mit Konfidenzintervall. Bevor Sie einen bestimmten Prozentsatz als gesichert genug behandeln, um darauf eine Positionierungsentscheidung zu treffen, wiederholen Sie die Messung mehrfach und betrachten Sie die Spannweite, nicht nur den Einzelwert. Wir wiederholen unsere eigene Rangliste genau aus diesem Grund monatlich.

Schritt 7: Zitierrate mit organischem Ranking kombinieren

Eine vollständige Methodik misst beide Kennzahlen nebeneinander, weil sie sich unabhängig voneinander bewegen. Unsere eigene Wettbewerbsforschung zeigt das deutlich: Die Domain mit der größten organischen Reichweite in unserer Kategorie, über 27.800 rankende Keywords, lag beim Zitieranteil hinter zwei deutlich kleineren GEO-nativen Wettbewerbern (15,4% gegenüber 25,0% und 23,3%). Wer nur die Zitierrate verfolgt, verliert den Kontext, ob eine niedrige Zahl eine echte neue Lücke widerspiegelt oder eine Seite, die ohnehin nie gut ranken würde; wer nur organisches Ranking verfolgt, übersieht die Zitierlücke komplett. Ziehen Sie beide Zahlen aus demselben Messzyklus, damit sie vergleichbar sind.

Schritt 8: Google AI Overviews separat messen

Googles AI Overviews sind eine verwandte, aber eigenständige Messung, weil der Mechanismus anders funktioniert als bei einer Chat-Engine: AI Overviews schöpfen stark aus Googles bestehendem Suchindex, weshalb geprüft werden muss, ob eine Overview für eine bestimmte Anfrage überhaupt auslöst und, getrennt davon, welche Domains sie zitiert. In unserem eigenen Scan über fünf Märkte löste die AI Overview bei 19 von 20 englischen GEO-Suchbegriffen aus, aber bei 0 von 7 französischen, genau die Art von Marktvarianz, die eine Methodik aufdecken muss, statt sie wegzumitteln.

Wie die vollständige Methodik in der Praxis aussah

Konkret sah unsere eigene Studie so aus: 20 kaufbereite Prompts, gelaufen durch ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google) und Perplexity, auf Englisch, Portugiesisch und Spanisch, 4 Engines × 3 Sprachen × 20 Prompts = 240 Antworten insgesamt, jede protokolliert für welche Marken zitiert wurden und wo. Die Gesamt-Rangliste über alle 240: Semrush führte mit 33,3%, gefolgt von Profound (25,0%), Otterly.AI (23,3%), Peec AI und Ahrefs gleichauf bei 19,6%, und SE Ranking bei 15,4%. Unsere eigene Marke erschien in 0% der Antworten, die ehrliche Null-Baseline, von der jeder neue Anbieter startet, veröffentlicht statt versteckt, weil eine Messmethodik, die nur günstige Zahlen zeigt, keine Messmethodik ist.

Der deutsche Markt speziell: eine "hungrige" AI Overview

Ein Befund, der speziell für den deutschsprachigen Markt relevant ist: In derselben Forschung prüften wir, ob Googles AI Overview bereits bei den wichtigsten GEO-Suchbegriffen im deutschsprachigen Raum auslöst. Sie löst bei 7 von 7 getesteten Begriffen aus, zitiert dabei aber ausschließlich lokale SEO-Agenturen (etwa seo-kueche.de, evergreen.media) und einen etablierten Generalisten (SE Ranking), keine einzige spezialisierte GEO-Marke. Die praktische Lesart: Die deutsche AI Overview beantwortet diese Frage bereits aktiv, nur ohne ein dediziertes Tool als Quelle zu zitieren, offenes Terrain für wer zuerst strukturierten, spezifischen Content dazu veröffentlicht.

Häufige Fehler bei der Messung von KI-Sichtbarkeit

• Einmal testen und es als erledigt behandeln. Siehe Schritt 6, eine einzelne Momentaufnahme sagt fast nichts über den Trend.
• Nur generische Kategorie-Prompts verwenden. Echte Käufersprache performt anders als das Keyword, auf das Sie bieten würden, siehe Schritt 1.
• Nur die eigene bevorzugte Engine überwachen. Der Zitieranteil derselben Marke kann um mehr als 30 Prozentpunkte zwischen der günstigsten und ungünstigsten Engine schwanken.
• Sprache ignorieren. Dieselbe Marke, dieselbe Kategorie kann eine Verschiebung von 15 Prozentpunkten allein durch einen Sprachwechsel zeigen.
• Das Prompt-Set zwischen Läufen ändern. Das zerstört die Fähigkeit, eine echte Veränderung über die Zeit zu messen, halten Sie die Fragen fest, auch wenn sich die Antworten ändern.

Selbst bauen vs. Tool-gestützt

Fünfzehn bis zwanzig Prompts von Hand durch vier Engines laufen zu lassen, einmalig, ist ein paar Stunden Copy-Paste in Chat-Oberflächen und Protokollieren in einer Tabelle, mühsam, aber machbar für eine erste Baseline. Es monatlich zu tun, über mehrere Sprachen hinweg, mit konsistenter Erkennung, wer sonst noch neben Ihnen zitiert wurde, ist der Punkt, an dem es als manueller Prozess nicht mehr skaliert. Genau diese Lücke soll ein dediziertes KI-Sichtbarkeits-Tool schließen.

---

Diese Methodik ist auf Englisch in operativer Tiefe dokumentiert in How to Measure Generative Engine Optimization. Für die Grundlagen von Generative Engine Optimization insgesamt siehe What Is Generative Engine Optimization (GEO)? (Englisch, die deutsche Fassung befindet sich noch in redaktioneller Prüfung). Für die vollständige Checkliste, in die diese Messung passt, siehe Generative Engine Optimization Best Practices. Möchten Sie Ihre eigene Baseline, ohne das Prompt-Set von Hand aufzubauen? Vollständigen Bericht ansehen.