Wie wird KI-Sichtbarkeit gemessen?

Was ist KI-Sichtbarkeit?

KI-Sichtbarkeit beschreibt, wie oft und wie prominent ein Anbieter in den Antworten von KI-Systemen wie ChatGPT, Gemini, Claude, Perplexity oder Google AI Overviews vorkommt, wenn Nutzer allgemeine Fragen zu einer Kategorie stellen (nicht, wenn sie bereits den Markennamen kennen).

Anders als eine Suchmaschine liefert ein KI-System keine Liste aus zehn blauen Links, sondern eine formulierte Antwort. Diese Antwort entsteht aus einer Kombination von Trainingswissen und, bei vielen Systemen, einem zusätzlichen Abruf aktueller Webinhalte (Retrieval-Augmented Generation, kurz RAG). Ob ein Anbieter darin auftaucht, hängt davon ab, ob das Modell ihn kennt, ob es beim Abruf auf eine passende Quelle stößt und ob es diese Quelle für relevant genug hält, um sie zu nennen.

Weil sich diese drei Faktoren von Anfrage zu Anfrage unterscheiden können, genügt eine einzelne Antwort nicht als Beleg. Erst die Nennrate über mehrere Fragen und mehrere Durchläufe hinweg ergibt ein belastbares Bild.

Wie unterscheidet sich das von klassischem SEO-Ranking?

Klassisches SEO-Ranking misst eine Position in einer geordneten Ergebnisliste zu einem Keyword. KI-Sichtbarkeit misst stattdessen eine Nennrate über ein Panel verschiedener Fragen. Es gibt keine feste Rangfolge, weil KI-Antworten von Anfrage zu Anfrage in Wortlaut und Reihenfolge variieren.

Ein Ranking-Tool beantwortet die Frage „Auf welcher Position stehe ich für dieses Keyword?“. Bei KI-Systemen ist diese Frage so nicht sinnvoll zu stellen: Dieselbe Frage kann bei zwei Läufen unterschiedliche Anbieter in unterschiedlicher Reihenfolge nennen, ganz ohne dass sich an der zugrunde liegenden Website etwas geändert hätte. An die Stelle der Position tritt deshalb ein Bündel von Kennzahlen: wie oft ein Anbieter über ein Fragenpanel hinweg überhaupt genannt wird, wie oft seine Domain als Quelle zitiert wird, welchen Anteil er an allen Nennungen im Vergleich zum Wettbewerb hat und an welcher Stelle innerhalb einer genannten Liste er typischerweise auftaucht.

Dieser Index verwendet dafür die Kennzahlen Mention Rate (MR), Citation Rate (CR), Share of Voice (SoV) und Nennposition (POS), vollständig definiert und mit ihrer Gewichtung erklärt in der Methodik.

Wie sieht eine methodisch saubere Messung aus?

Eine methodisch saubere Messung von KI-Sichtbarkeit braucht ein festes Fragenpanel statt Zufallsfragen, mehrere Läufe pro Frage statt eines Einzelversuchs, den Median statt eines Einzelwerts als Kennzahl und einen klar abgegrenzten Vergleichsrahmen statt eines globalen Durchschnitts.

• Festes Fragenpanel: Dieselben Fragen werden für alle Anbieter einer Vergleichsgruppe verwendet, überwiegend ohne den Markennamen zu nennen. So wird gemessen, ob ein System einen Anbieter von sich aus vorschlägt, statt nur zu bestätigen, was man ihm bereits vorgibt.
• Mehrere Läufe: Weil einzelne KI-Antworten schwanken, wird dieselbe Frage mehrfach gestellt, üblicherweise an unterschiedlichen Tagen.
• Median statt Einzelwert: Der mittlere Wert aus den Läufen ist robuster gegen Ausreißer als eine einzelne Antwort.
• Vergleichsgruppen-Prinzip: Verglichen wird nur innerhalb derselben Kombination aus Land, Sprache, Kategorie und Zeitraum. Eine Sprachschule in Deutschland wird nicht gegen eine Hochschule in der Schweiz gestellt.

Genau nach diesem Prinzip misst dieser Index. Die vollständigen Details zu Fragenpanels, Erhebungsfenster, Wiederholungen und Vergleichsgruppen-Regel stehen in der Methodik.

Warum reicht eine einzelne Chat-Abfrage nicht?

Eine einzelne Chat-Abfrage reicht nicht, weil KI-Antworten nicht deterministisch sind: Dieselbe Frage kann zu unterschiedlichen Zeitpunkten unterschiedliche Antworten liefern, selbst wenn sich am zugrunde liegenden Modell nichts geändert hat.

Das liegt unter anderem daran, dass Sprachmodelle Antworten mit einem gewissen Zufallsanteil erzeugen, dass sich der Stand der abgerufenen Webinhalte zwischen zwei Anfragen unterscheiden kann und dass Systemversionen laufend aktualisiert werden. Ein Screenshot einer einzelnen ChatGPT-Antwort (egal ob positiv oder negativ für einen Anbieter) ist deshalb eine Momentaufnahme, kein Beleg für die tatsächliche Sichtbarkeit. Wer KI-Sichtbarkeit ernsthaft einschätzen will, braucht wiederholte Messungen über ein definiertes Fragenpanel statt einzelner Beispiele.

Wer wissen möchte, wie die eigene Einrichtung aktuell dasteht, statt es nur in Einzelfällen von Hand zu prüfen, kann den kostenlosen Sofort-Check nutzen.

Redaktioneller Hinweis: Dieser Artikel erklärt allgemein dokumentierte Funktionsweisen von KI-Suchsystemen und Messmethodik. Er zitiert keine Einzelstudie und trifft keine Tatsachenbehauptung über einen konkreten Anbieter, sondern beschreibt technische Grundlagen.