Was KI-Sichtbarkeit ist und wie man sie korrekt misst

KI-Sichtbarkeit ist der Anteil geeigneter Interaktionen, bei denen eine Marke, ein Produkt oder eine andere Entität in einer von einem KI-System erzeugten Antwort erscheint. Der Prozentwert lässt sich ohne den Fragensatz, das getestete System und die Oberfläche, die Sprache, die Geografie, den Zeitraum, die Anzahl der Wiederholungen, die Erkennungsregeln und den verwendeten Nenner nicht korrekt interpretieren.

Mit anderen Worten: „Die Marke hat eine KI-Sichtbarkeit von 30 %“ ist keine vollständige Aussage. Sie ist der Beginn einer Frage: 30 % wovon?

In diesem Leitfaden trenne ich Sichtbarkeit von Erwähnung, Zitierung und Empfehlung, erkläre die Formel, die ich in dieser Serie verwende, und zeige, warum eine einzelne Eingabeaufforderung keinen glaubwürdigen Bericht unterstützen kann.

Was KI-Sichtbarkeit bedeutet

In der klassischen Suche wird Sichtbarkeit meist mit Rankings, Impressionen und dem Erscheinen in einer Ergebnisliste verbunden. Eine KI-Antwort ist jedoch keine stabile Liste aus zehn Links. Sie kann mehrere Quellen zusammenfassen, Optionen vergleichen, eine Marke erwähnen, ohne sie zu empfehlen, oder eine Empfehlung aussprechen, ohne die Website dieser Marke zu zitieren.

Daher behandle ich Sichtbarkeit als ein beobachtetes Ereignis in einer Kohorte von Interaktionen:

Die Marke erscheint oder erscheint nicht in einer geeigneten Antwort, entsprechend den vor der Analyse festgelegten Regeln.

„Erscheint“ muss definiert sein. Dabei kann es sich um den offiziellen Namen, einen Produktnamen, eine Abkürzung oder eine bekannte Variante handeln. Ein seriöses System führt ein Register der Aliase und vermeidet mehrdeutige Übereinstimmungen. „Orange“ kann beispielsweise ein Unternehmen, eine Farbe oder eine Frucht sein. Die einfache Erkennung einer Zeichenfolge reicht nicht immer aus.

Sichtbarkeit ist kein Ranking

Ein dialogorientiertes KI-System kann auf dieselbe Frage unterschiedliche Antworten liefern. Das Ergebnis kann je nach Zeitpunkt, Modell, Oberfläche, Sprache, Standort, Gesprächsverlauf, verfügbaren Quellen und Formulierung der Anfrage variieren.

Es gibt keine einzelne, dauerhafte Stelle, die wir einmal im Monat überprüfen. Wir können die Häufigkeit und Form des Auftretens in einem wiederholbaren Protokoll messen, aber wir sollten das Ergebnis nicht in einen „dritten Platz in ChatGPT“ umwandeln, ohne genau zu erklären, wie es zustande kam.

Google gibt an, dass AI Overviews und AI Mode möglicherweise unterschiedliche Modelle und Techniken verwenden und die angezeigten Antworten und Links variieren können. Das Unternehmen gibt außerdem an, dass die Einhaltung technischer Anforderungen und Best Practices keine Garantie dafür ist, dass eine Seite indiziert oder angezeigt wird. In ähnlicher Weise erklärt OpenAI, dass eine öffentliche Website in der ChatGPT-Suche erscheinen kann und empfiehlt den Zugriff für OAI-SearchBot, aber technisch gesehen ist der Zugriff kein Versprechen auf das Erscheinen.

Erwähnung, Empfehlung und Zitation: drei verschiedene Ereignisse

Ein häufiger Fehler besteht darin, jedes Vorkommnis als „Empfehlung“ zu bezeichnen. Nehmen wir drei hypothetische Antworten:

1. „Auf dem Markt gibt es AYSA, Unternehmen B und Unternehmen C.“ — Erwähnung.
2. „Für die beschriebene Situation würde ich AYSA in Betracht ziehen, weil …“ — Empfehlung.
3. „Laut der von AYSA veröffentlichten Methodik …“, gefolgt von einem Link — Zitation.

Dieselbe Antwort kann alle drei Ereignisse, nur eines oder keines enthalten. Sichtbarkeit beantwortet die Frage „Erscheint die Marke?“, nicht die Fragen „Wird sie ausgewählt?“, „Wird sie als Quelle verwendet?“ oder „Wird sie positiv beschrieben?“.

Für eine Geschäftsentscheidung sollten diese Dimensionen separat gemeldet werden:

• Sichtbarkeit — wie häufig die Entität erscheint;
• Empfehlung — wie häufig sie als geeignete Wahl vorgeschlagen wird;
• Zitation — wie häufig sie als Quelle verwendet oder angezeigt wird;
• Wahrnehmung — welche Aussagen und Eigenschaften mit ihr verbunden werden;
• Genauigkeit — wie viele Aussagen korrekt und aktuell sind;
• Wirkung — welcher Traffic, welche Leads oder andere beobachtbare Ergebnisse folgen.

Grundformel

Für diese Redaktionsreihe verwende ich die folgende Konvention:

Rate der KI-Sichtbarkeit = geeignete Interaktionen, in denen die Marke erscheint ÷ alle geeigneten Interaktionen × 100.

Dies ist eine offengelegte Messkonvention und kein universeller Standard, den alle Werkzeuge identisch umsetzen. Unterschiede entstehen vor allem bei der Definition von „geeignet“.

Was eine geeignete Interaktion ist

Eine Interaktion sollte nur dann in den Nenner gelangen, wenn sie Teil der etablierten Kohorte ist und die gemessene Frage angemessen beantworten kann. Das Protokoll muss im Voraus entscheiden:

• welche Themen, Personas und Szenarien enthalten sind;
• welches System und welche Oberfläche getestet werden;
• welche Sprache und Geografie verwendet werden;
• wie viele Iterationen ausgeführt werden;
• wie mit Ablehnungen, Zeitüberschreitungen und unvollständigen Antworten umgegangen wird;
• ob eine Konversation vollständig oder pro Gesprächsrunde analysiert wird;
• welche Tests informativ und welche kommerziell oder empfehlungsorientiert sind.

Wenn wir Fragen zu Bereichen einbeziehen, in denen die Marke nicht aktiv ist, sinkt der Wert künstlich. Wählen wir nur Situationen, in denen die Marke bekanntermaßen erscheint, steigt er künstlich. Der Szenariosatz ist Teil der Messung und kein verborgenes Detail der Plattform.

Warum Branded-Tests die organische Sichtbarkeit nicht künstlich erhöhen dürfen

Die Frage „Was wissen Sie über AYSA?“ ist für die Analyse der Wahrnehmung und für Faktenprüfungen nützlich. Sie misst jedoch nicht die organische Entdeckung der Marke, denn der Name wird vom Prüfer selbst vorgegeben.

Unbranded-Fragen eignen sich besser zur Messung organischer Sichtbarkeit, zum Beispiel: „Welche Lösungen können SEO-Änderungen an einer WordPress-Website analysieren und nach menschlicher Freigabe umsetzen?“ Wenn AYSA erscheint, ist dies ein Signal für Entdeckung oder für die Zuordnung zum Bedarf. Enthält die Frage bereits den Namen AYSA, können wir Beschreibung, Genauigkeit oder Wahrnehmung untersuchen, sollten das Auftreten aber nicht als organische Entdeckung zählen.

Kommerzielle Methoden unterscheiden sich. Bevor wir zwei Ergebnisse vergleichen, müssen wir daher überprüfen, ob beide Markentests ausschließen und dieselbe Art von Konversationen verwenden.

Ein transparentes berechnetes Beispiel

Angenommen, wir bereiten 100 geeignete Interaktionen für eine Marke vor:

• 92 erzeugen auswertbare Antworten;
• 8 schlagen fehl oder werden ausgeschlossen und separat gemeldet;
• die Marke erscheint in 28 der 92 Antworten;
• in 9 der 28 Antworten, in denen sie erscheint, wird sie empfohlen.

Kennzahl	Berechnung	Ergebnis	Frage beantwortet
Sichtbarkeit	28 ÷ 92	30,4%	In wie vielen geeigneten Antworten erscheint die Marke?
Empfehlungsrate unter den Erscheinungen	9 ÷ 28	32,1%	Wie häufig wird die Marke empfohlen, wenn sie erscheint?
Empfehlungsabdeckung	9 ÷ 92	9,8%	Wie viele geeignete Antworten erreichen tatsächlich die Empfehlung?

Alle drei Prozentsätze sind korrekt, beantworten jedoch unterschiedliche Fragen. Wenn ein Dashboard „32,1 % Empfehlungsrate“ ohne Nenner anzeigt, kann der Leser fälschlicherweise annehmen, dass die Marke in fast einem Drittel aller Interaktionen empfohlen wurde.

Ein Prozentsatz ohne Unsicherheit scheint genauer zu sein, als er ist

In unserem Beispiel beträgt die Sichtbarkeitsschätzung 30,4 %. Für 28 Vorkommen von 92 Beobachtungen beträgt ein Wilson-95-%-Intervall etwa 22,0–40,5 %. Der Bereich ist groß, da die Stichprobe relativ klein ist und die Ergebnisse variabel sind.

Für die Empfehlung in 9 von 28 Fällen liegt die Schätzung bei 32,1 %, der ungefähre Bereich liegt jedoch bei 17,9 %–50,7 %. Das macht die Messung nicht unbrauchbar. Es sagt uns lediglich, dass wir 32,1 % nicht als exakte Konstante darstellen dürfen.

Ein glaubwürdiger Bericht zeigt mindestens:

• die Schätzung;
• Anzahl der Beobachtungen;
• Konfidenzintervall;
• Antwortabdeckung;
• Methodik oder Modelländerungen.

Warum eine einzelne Eingabeaufforderung keine Messung ist

Ein Screenshot kann belegen, dass eine bestimmte Antwort existiert hat. Er belegt weder die Häufigkeit, mit der die Marke erscheint, noch die Stabilität des Ergebnisses oder das allgemeine Verhalten des Systems.

Für eine sinnvolle Messung benötigen wir eine kontrollierte Variation:

• relevantere Szenarien;
• dokumentierte Formulierungen und Personas;
• Wiederholungen unter vergleichbaren Bedingungen;
• gleiche Erkennungsregel;
• Trennung der Systeme und Oberflächen;
• ein deklarierter Beobachtungszeitraum.

Konversationen mit mehreren Runden fügen eine weitere Ebene hinzu. Eine Marke kann in der ersten Antwort erscheinen, aber verschwinden, nachdem der Benutzer sein Budget, sein Land, die erforderliche Integration oder Compliance-Kriterien angegeben hat. Die Sichtbarkeit in der ersten Runde und das Überleben bis zur endgültigen Empfehlung sind nicht dasselbe Maß.

Darüber hinaus können einige Systeme die Frage umformulieren und nach Unterthemen suchen, bevor sie die Antwort verfassen. Diesen Mechanismus erläutere ich separat im Leitfaden zu Query Fan-Out und verdeckten Suchanfragen in der KI-Suche.

System, Oberfläche, Sprache und Geografie gehören zum Ergebnis

„Ich habe GPT getestet“ reicht nicht aus. Wir müssen wissen, ob ChatGPT im Browser, eine API-Integration, ein Modus mit Websuche oder eine andere Oberfläche getestet wurde. Die Oberflächen können unterschiedliche Werkzeuge, Quellen und Verhaltensweisen aufweisen.

Sprache ändert verfügbare Quellen und Entitätsformulierung. Die geografische Lage kann lokale Empfehlungen, Geschäfte, Preise, Verfügbarkeit oder geltende Regeln ändern. Eine rumänische Marke kann in einem Gespräch auf Rumänisch sichtbar sein und in demselben auf Deutsch formulierten Thema fehlen.

Deshalb würde ich nicht alle Systeme und Länder in einem einzigen Prozentsatz zusammenfassen, bevor ich die getrennten Ergebnisse gesehen habe. Ein Durchschnitt kann verbergen, dass die Marke in einem Markt gut und in einem anderen kaum sichtbar ist.

Abdeckung, Fehler und „unzureichende Daten“

Wenn 40 % der Tests fehlgeschlagen sind, kann eine Bewertung, die nur aus den restlichen Antworten berechnet wird, technisch korrekt, aber betrieblich schlecht sein. Der Bericht muss die Abdeckung zeigen: den Anteil der geplanten Interaktionen, die analysierbare Ergebnisse hervorgebracht haben.

Auch Schwellenwerte für unzureichende Daten müssen definiert werden. Nicht jede Zelle in einem Dashboard verdient einen Prozentwert. Bei einem System, einer Sprache oder einem Szenario mit zu wenigen Beobachtungen ist „unzureichende Daten“ möglicherweise die ehrlichste Angabe.

Was technische Barrierefreiheit zeigen kann

Eine Seite, die durch robots.txt blockiert wird, für den Crawler nicht zugänglich ist oder in HTML nicht verfügbar ist, stellt ein echtes Problem dar. Das Aufheben der Blockierung garantiert jedoch keine Zitierung oder Empfehlung.

Google Search Central erklärt ausdrücklich, dass für AI Overviews und AI Mode weder eine spezielle KI-Datei noch ein spezielles Schema erforderlich ist. Entscheidend sind die Grundlagen: Indexierung, Eignung für Snippets, interne Verlinkung, zugängliche Textinhalte, eine gute Nutzungserfahrung und strukturierte Daten, die mit der sichtbaren Seite übereinstimmen.

OpenAI empfiehlt, dass Websites, die in der ChatGPT-Suche entdeckt und zitiert werden möchten, OAI-SearchBot nicht blockieren. Und wir sprechen hier von Berechtigung und Zugriff, nicht von einer Garantie.

Für die technische Seite habe ich das Handbuch separat veröffentlicht. Ihre Website sieht gut aus. Aber können Google, ChatGPT und KI-Agenten es lesen?.

So lesen Sie ein KI-Sichtbarkeits-Dashboard

Bevor Sie eine Entscheidung auf Grundlage des Werts treffen, sollten Sie diese Fragen stellen:

1. Wie lautet die genaue Formel?
2. Was ist der Nenner?
3. Wie viele Beobachtungen gibt es?
4. Welche Systeme und Oberflächen wurden getestet?
5. Welche Sprachen und Regionen sind enthalten?
6. Sind die Szenarien mit oder ohne Markenzeichen versehen?
7. Wie viele Läufe sind fehlgeschlagen?
8. Wie werden Markenaliase erkannt?
9. Was ist das Konfidenzintervall?
10. Hat sich das Modell oder die Methodik im Vergleichszeitraum geändert?

Fehlen diese Informationen, kann der Wert als Orientierungssignal nützlich sein. Für eine wichtige Entscheidung reicht er jedoch noch nicht aus.

Wo AYSA in diese Methodik passt

Die Produktthese, auf der ich AYSA aufbaue, geht über ein Dashboard hinaus: messen → erklären → freigeben → umsetzen → erneut messen.

In dieser Phase stellen die im Artikel beschriebenen Formeln und Berichtsanforderungen die vorgeschlagene redaktionelle Methodik dar. Sie dürfen nicht als Aussage verstanden werden, dass jedes System, jede Integration oder jeder Ablauf bereits im Produkt verfügbar ist. Kommerzielle Seiten werden verfügbare, in der Betaphase befindliche, geplante und rein methodische Funktionen ausdrücklich voneinander trennen.

Diese Trennung ist wichtig. Ein Messprodukt wird nicht glaubwürdiger, wenn es seine Roadmap als freigegebene Funktionalität darstellt.

Urteil

Sichtbarkeit in der KI ist weder eine feste Position noch eine dauerhafte Eigenschaft einer Marke. Dabei handelt es sich um eine Schätzung, die aus einem angegebenen Satz von Interaktionen in einem bestimmten Kontext und über einen bestimmten Zeitraum ermittelt wird.

Ein guter Wert beginnt nicht mit einem Prozentsatz. Er beginnt mit einer überprüfbaren Methodik: Fragen, Kohorte, System, Oberfläche, Sprache, Geografie, Wiederholungen, Nenner, Abdeckung und Unsicherheit.

Nur dann können wir etwas wirklich Nützliches fragen: Wo erscheint die Marke, wo fehlt sie, wann wird sie empfohlen, welche Quellen unterstützen sie und welche Intervention ist es wert, getestet zu werden.

Quellen und Methodik

• Google Search Central – KI-Funktionen und Ihre Website
• Google Search Central – Optimierung für generative KI-Funktionen
• OpenAI – Häufig gestellte Fragen für Herausgeber und Entwickler
• OpenAI – ChatGPT-Suche
• GEO: Generative Engine-Optimierung – Originalpapier
• Kritischer Überblick über generative Motoroptimierung, 2023–2026 – Vorabdruck

Letzte Quellenprüfung: 31. Juli 2026. Die Formeln und Intervalle im Beispiel verwenden 92 geeignete Antworten und das Wilson-Konfidenzintervall von 95 %.