AI Visibility messen: 4 Kennzahlen für Sichtbarkeit in KI-Antworten

AI Visibility beschreibt, wie häufig und in welcher Form eine Marke in generierten Antworten vorkommt – als Nennung, als verlinkte Quelle oder als Empfehlung. Der Begriff wird viel verwendet und selten definiert. Genau daran scheitern die meisten Reportings.

Warum Einzelbeobachtungen nichts belegen

Antwortsysteme generieren probabilistisch. Zwei identische Fragen können unterschiedliche Antworten und unterschiedliche Quellen liefern, abhängig von Formulierung, Kontext, Region und Modellversion. Ein Screenshot ist deshalb kein Messwert. Belastbar wird eine Aussage erst, wenn dieselben Fragen wiederholt und über mehrere Systeme gestellt werden und Anteile ausgewertet werden.

Schritt 1: Das Prompt-Set

Ein Prompt-Set ist die Liste der Fragen, für die Ihre Marke eine gute Antwort sein sollte. Es wird einmal sauber definiert und danach möglichst konstant gehalten – jede Änderung bricht die Vergleichbarkeit.

• Kategoriefragen: „Welche Anbieter gibt es für …?“
• Auswahlfragen: „Worauf achte ich bei der Auswahl von …?“
• Problemfragen: die konkreten Formulierungen Ihrer Kundschaft.
• Markenfragen: „Was ist [Marke] und für wen ist das geeignet?“
• Vergleichsfragen: „[Marke] oder [Wettbewerber]?“

Schritt 2: Vier Kennzahlen

1. 01Share of Answers: Anteil der Antworten im Prompt-Set, in denen die Marke überhaupt vorkommt.
2. 02Citation Rate: Anteil der Antworten, in denen die eigene Domain als Quelle verlinkt oder benannt wird.
3. 03Sentiment: in welchem Ton und in welchem Zusammenhang die Marke erscheint.
4. 04Faktentreue: ob die Aussagen über die Marke korrekt sind – der am häufigsten übersehene Wert.

Faktentreue ist nicht nur Kosmetik. Der Bitkom berichtet aus seiner Befragung von 1.156 Personen ab 16 Jahren, dass 42 Prozent bereits eine falsche Antwort von einem KI-Chat erhalten haben und nur 57 Prozent die Ergebnisse überprüfen. Falsche Aussagen über eine Marke bleiben also häufig unkorrigiert stehen.

Schritt 3: Baseline und Frequenz

Messen Sie vor der ersten Maßnahme. Ohne Baseline lässt sich später nicht unterscheiden, ob eine Veränderung auf Ihre Arbeit oder auf ein Modell-Update zurückgeht. Eine monatliche Messung reicht für die meisten Unternehmen; bei starkem Wettbewerb oder Kampagnen sind zwei Wochen sinnvoll. Wichtig ist, Modellversion, Datum, Region und Sprache zu protokollieren.

Was AI Visibility beeinflusst

Die Quellenwahl unterscheidet sich je System deutlich: Die Auswertung von Profound über rund 680 Millionen Zitationen zeigt Wikipedia als mit Abstand häufigste Quelle bei ChatGPT, während Reddit und YouTube bei Google AI Overviews und Perplexity vorn liegen. Wer Sichtbarkeit steigern will, arbeitet also nicht nur an der eigenen Website, sondern an der Präsenz in den Quellen, aus denen ein System tatsächlich zitiert.

Typische Messfehler

• Prompts nachträglich ändern und Werte trotzdem vergleichen.
• Nur ein System messen und daraus auf „die KI“ schließen.
• Mit eingeloggtem Konto messen, dessen Verlauf die Antwort beeinflusst.
• Nennung und Zitation in einer Zahl vermischen.
• Ergebnisse ohne Datum und Modellversion ablegen.