KI-Sichtbarkeit messen: KPIs, Tools und Vorgehen für Unternehmen

Was bedeutet KI-Sichtbarkeit messen?

KI-Sichtbarkeit beschreibt, ob, wie häufig und in welcher Rolle ein Unternehmen, eine Marke oder ein Produkt innerhalb generierter Antworten erscheint. Anders als in der klassischen Google-Suche gibt es dabei nicht immer eine eindeutige Rankingposition oder einen sichtbaren Link.

Ein Unternehmen kann innerhalb einer Antwort lediglich erwähnt, als geeigneter Anbieter empfohlen oder mit einer eigenen Seite als Quelle zitiert werden. Zusätzlich ist relevant, welche Eigenschaften und Kompetenzen das KI-System mit dem Unternehmen verbindet.

Eine belastbare GEO-Analyse unterscheidet deshalb mehrere Ebenen:

Die Messung zeigt damit nicht nur, ob ein Unternehmen in der KI-Suche vorkommt. Sie zeigt auch, ob es als relevante, geeignete und vertrauenswürdige Option eingeordnet wird.

KI-Sichtbarkeit in sieben Schritten messen

1. Messziel und Themenbereich festlegen

Am Anfang steht eine klare Entscheidung darüber, was gemessen werden soll. Ein allgemeiner Sichtbarkeitstest für den Unternehmensnamen liefert nur begrenzte Erkenntnisse. Aussagekräftiger ist die Messung in einem konkret definierten Markt- und Entscheidungsraum.

Für ein Industrieunternehmen können beispielsweise Lieferantensuche, technische Beratung, Materialauswahl, Produktauswahl oder Anbieterbewertung relevant sein. Eine Beratungsgesellschaft untersucht dagegen Fragen zu Leistungen, Spezialisierungen, Methoden und geeigneten Dienstleistern.

Das Messziel sollte deshalb festlegen:

• welche Produkte, Leistungen oder Themen untersucht werden,
• welche Zielgruppen und Entscheidungssituationen relevant sind,
• welche Länder und Sprachen berücksichtigt werden,
• welche Wettbewerber als Vergleich dienen,
• welche KI-Systeme tatsächlich von der Zielgruppe genutzt werden.

2. Ein relevantes Prompt-Set erstellen

Die Qualität der Messung hängt wesentlich von den verwendeten Fragen ab. Ein Prompt-Set sollte reale Such-, Recherche- und Entscheidungssituationen abbilden. Reine Markenabfragen wie „Was ist Unternehmen XY?“ reichen dafür nicht aus.

Geeignete Fragen entstehen unter anderem aus Vertriebsgesprächen, Kundenanfragen, Ausschreibungen, Keyword-Recherchen, Search-Console-Daten, Supportfragen und der systematischen Wettbewerbsanalyse.

Ein belastbares Prompt-Set deckt mehrere Phasen ab:

Für eine erste aussagekräftige Analyse sind häufig 30 bis 50 sorgfältig ausgewählte Prompts sinnvoller als mehrere hundert weitgehend ähnliche Fragen. Entscheidend ist nicht die größtmögliche Menge, sondern die Abdeckung der relevanten Entscheidungssituationen.

3. Relevante KI-Systeme auswählen

Nicht jedes KI-System liefert dieselben Antworten oder nutzt dieselben Quellen. Deshalb sollte KI-Sichtbarkeit immer systemspezifisch erfasst werden.

Für viele B2B- und Industrieunternehmen sind insbesondere diese Systeme relevant:

• ChatGPT und ChatGPT Search
• Perplexity
• Google AI Overviews
• Google KI-Modus
• Google Gemini
• Microsoft Copilot
• Claude

Google AI Overviews und der KI-Modus wirken direkt innerhalb der Google-Suche. Perplexity zeigt Quellen vergleichsweise deutlich. ChatGPT wird häufig für Recherche, Vergleiche und vorbereitende Entscheidungen verwendet. Copilot kann im Unternehmensumfeld relevant sein, während Claude besonders bei ausführlicheren Analyseaufgaben genutzt wird.

Die Systeme sollten getrennt ausgewertet werden. Eine gute Position in Perplexity bedeutet nicht automatisch eine vergleichbare Sichtbarkeit in ChatGPT oder Google.

4. Vergleichbare Messbedingungen schaffen

KI-Antworten sind variabler als klassische Suchergebnisse. Sie können sich durch den verwendeten Modellstand, den Standort, die Sprache, eine bestehende Gesprächshistorie, Personalisierung und aktuelle Webquellen verändern.

Für eine möglichst saubere Messung sollten deshalb feste Bedingungen dokumentiert werden:

• exakte Formulierung des Prompts,
• verwendetes KI-System und Modell,
• Sprache und Zielland,
• Datum und Zeitpunkt der Abfrage,
• angemeldete oder nicht angemeldete Nutzung,
• Nutzung eines neuen, kontextfreien Chats,
• Anzahl der Wiederholungen.

Besonders wichtige Prompts sollten mehrfach ausgeführt werden. So wird erkennbar, ob eine Marke stabil erscheint oder nur in einzelnen Antwortvarianten vorkommt.

5. Antworten einheitlich kategorisieren

Jede Antwort sollte nach denselben Kriterien ausgewertet werden. Eine einfache Ja-Nein-Bewertung greift zu kurz, weil eine beiläufige Erwähnung strategisch anders zu bewerten ist als eine aktive Empfehlung.

Für jede Antwort können beispielsweise folgende Daten erfasst werden:

• Unternehmen gefunden: ja oder nein
• Art der Sichtbarkeit: Erwähnung, Empfehlung oder Quelle
• Position der ersten Nennung
• genannte Produkte oder Leistungen
• verwendete Attribute und Argumente
• Tonalität: positiv, neutral oder kritisch
• verlinkte Domain und konkrete Quellenseite
• genannte Wettbewerber
• sachliche Fehler oder veraltete Angaben

Die vollständige Antwort sollte ebenfalls gespeichert werden. Nur so lässt sich später nachvollziehen, warum sich ein Messwert verändert hat.

6. KPIs berechnen und Wettbewerber vergleichen

Aus den kategorisierten Antworten entstehen die eigentlichen Kennzahlen. Dabei sollte immer klar sein, worauf sich der Nenner bezieht: auf Prompts, auf einzelne Systemabfragen oder auf sämtliche wiederholten Messläufe.

Zusätzlich zur eigenen Sichtbarkeit muss die Präsenz der Wettbewerber erfasst werden. Eine Präsenzquote von 30 Prozent kann stark sein, wenn kein anderer Anbieter über 15 Prozent erreicht. Sie ist schwach, wenn zwei Wettbewerber bei mehr als 60 Prozent der relevanten Fragen erscheinen.

7. Messung regelmäßig wiederholen

Eine einmalige Analyse liefert eine Ausgangslage, aber noch kein belastbares Monitoring. Modelle, Quellen und generierte Antworten verändern sich kontinuierlich.

Für strategische Themen genügt häufig eine monatliche Gesamtauswertung. Besonders wichtige Prompts oder laufende GEO-Projekte können wöchentlich oder automatisiert täglich geprüft werden.

Erst der zeitliche Verlauf zeigt:

• ob neue Inhalte zu zusätzlichen Nennungen führen,
• ob aus Erwähnungen konkrete Empfehlungen werden,
• ob eigene Seiten häufiger als Quelle erscheinen,
• ob Wettbewerber Marktanteile gewinnen oder verlieren,
• ob falsche Aussagen korrigiert wurden,
• welche Maßnahmen tatsächlich Wirkung erzeugen.

Die wichtigsten KPIs für KI-Sichtbarkeit

Es gibt keine einzelne Kennzahl, die KI-Sichtbarkeit vollständig beschreibt. Eine sinnvolle Bewertung kombiniert Reichweite, Rolle, Position, Quellenautorität, Wettbewerbsstärke und inhaltliche Qualität.

Bezeichnungen wie „Share of Model“, „Visibility Share“, „Answer Share“ oder „AI Share of Voice“ werden am Markt nicht vollständig einheitlich verwendet. Deshalb ist weniger der Name als eine klar dokumentierte und dauerhaft gleichbleibende Berechnung entscheidend.

Was sich nicht zuverlässig messen lässt

Nicht jede inhaltliche Ähnlichkeit zwischen einer Website und einer KI-Antwort beweist, dass das System diese Website verwendet hat. Ohne sichtbare Quellenangabe oder andere nachvollziehbare Signale lässt sich normalerweise nicht sicher feststellen, ob eine konkrete Seite als Trainingsquelle oder unsichtbare Wissensbasis diente.

Eine vermeintliche „semantische Nutzungsrate“ sollte deshalb nicht mit AI Citations gleichgesetzt werden. Eine Citation ist eine sichtbare Quellenangabe. Eine vermutete inhaltliche Nutzung ist keine belastbare Messgröße.

KI-Sichtbarkeit manuell messen

Für eine erste Bestandsaufnahme kann KI-Sichtbarkeit ohne spezielles Tool geprüft werden. Voraussetzung ist eine strukturierte Tabelle, in der Prompts, Systeme, Antworten und Ergebnisse einheitlich dokumentiert werden.

1. Definieren Sie 20 bis 50 relevante Kundenfragen.
2. Wählen Sie drei bis fünf besonders wichtige KI-Systeme.
3. Stellen Sie jede Frage in einem neuen, kontextfreien Chat.
4. Speichern Sie die vollständige Antwort und mögliche Quellenlinks.
5. Kategorisieren Sie Erwähnung, Empfehlung, Position und Zitierung.
6. Erfassen Sie sämtliche genannten Wettbewerber.
7. Wiederholen Sie wichtige Fragen mindestens zu einem späteren Zeitpunkt.
8. Vergleichen Sie die Ergebnisse nach System, Thema und Zeitraum.

Download: GEO-Messsystem für KI-Sichtbarkeit als Google Sheet

Die manuelle Methode eignet sich besonders für eine erste Analyse, die Entwicklung des Prompt-Sets und die qualitative Prüfung einzelner Antworten. Mit steigender Zahl der Prompts, Systeme und Wiederholungen wird sie jedoch schnell aufwendig.

KI-Sichtbarkeit mit einem Monitoring-Tool messen

Ein spezialisiertes Monitoring automatisiert wiederkehrende Abfragen, speichert vollständige Antworten und macht Veränderungen über längere Zeiträume vergleichbar. Dabei sollte ein Tool mehr leisten als nur die Anzahl von Markennennungen zu zählen.

Relevant sind insbesondere:

• systemspezifische Auswertung,
• Prompt-Monitoring mit gespeicherten Antworten,
• Position und Top-3-Anteil,
• Unterscheidung zwischen Erwähnung und Empfehlung,
• Quellen- und Domainanalyse,
• automatische Erkennung von Wettbewerbern,
• Verlauf und historische Vergleichsdaten,
• Export- und Reportingmöglichkeiten.

Gerlach Media hat dafür ein eigenes AI Visibility Tool zur Messung von KI-Sichtbarkeit entwickelt. Das System prüft definierte Entscheidungsfragen über mehrere KI-Plattformen, speichert die vollständigen Antworten und wertet Sichtbarkeit, Positionen, Wettbewerber und zitierte Quellen aus.

KI-Sichtbarkeit in der Google Search Console messen

Google hat im Juni 2026 einen separaten Bericht für die Sichtbarkeit innerhalb generativer Suchfunktionen eingeführt. Der Bericht zeigt bei freigeschalteten Properties unter anderem, wie häufig eigene URLs in AI Overviews, im Google KI-Modus und in generativen Funktionen von Discover erschienen sind.

Auswertbar sind je nach Bericht:

• Impressionen in generativen Suchfunktionen,
• sichtbare Seiten und URLs,
• Länder,
• Geräte,
• zeitliche Entwicklungen.

Der Bericht wird zunächst für ausgewählte Websites bereitgestellt. Die bisherigen Search-Console-Performance-Daten enthalten generative Suchaktivitäten weiterhin zusätzlich in den Gesamtwerten.

Die Google Search Console deckt jedoch ausschließlich das Google-Ökosystem ab. Sichtbarkeit in ChatGPT, Perplexity, Claude oder Microsoft Copilot wird dort nicht erfasst. Auch Markenerwähnungen ohne Link zur eigenen Website bleiben außerhalb der Search Console weitgehend unsichtbar.

Der offizielle Hintergrund findet sich im Beitrag von Google Search Central zu den Generative-AI-Berichten.

KI-Traffic in Webanalyse-Systemen erkennen

Ergänzend sollten Unternehmen Referral-Traffic aus KI-Plattformen in ihrer Webanalyse beobachten. Messbar sind unter anderem Sitzungen, aufgerufene Zielseiten, Anfragen, Downloads und andere Conversions.

Diese Daten bilden allerdings nur den klickbaren Teil der KI-Sichtbarkeit ab. Viele Nutzer nehmen eine Marke innerhalb einer Antwort wahr, ohne unmittelbar auf die Website zu wechseln. Andere besuchen die Seite später über eine direkte Eingabe oder eine erneute Google-Suche.

AI Referral Traffic ist deshalb eine wichtige Ergänzung, aber kein vollständiger Ersatz für das eigentliche Antwort-Monitoring.

Unterschiede zwischen ChatGPT, Google, Perplexity und Gemini

Ein zusammengefasster Gesamtwert kann für das Management hilfreich sein. Die operative Optimierung sollte dennoch immer auf Ebene des einzelnen Systems und des einzelnen Prompts erfolgen.

KI-Sichtbarkeit für Produkte messen

KI-Sichtbarkeit betrifft nicht nur Unternehmens- und Markennamen. Gerade bei industriellen, technischen oder erklärungsbedürftigen Angeboten sollte die Sichtbarkeit einzelner Produkte und Produktgruppen untersucht werden.

Relevante Prompt-Typen sind beispielsweise:

• Fragen nach einer geeigneten Produktart für einen konkreten Einsatz,
• Vergleiche zwischen Materialien oder technischen Lösungen,
• Fragen nach Herstellern und Lieferanten,
• Anfragen zu Normen, Belastbarkeit und Einsatzgrenzen,
• Produktempfehlungen für bestimmte Branchen,
• Alternativen zu bekannten Produkten oder Herstellern.

Gemessen wird, ob das Produkt genannt und korrekt beschrieben wird, ob der Hersteller als Bezugsquelle erscheint und ob eigene Produkt- oder Ratgeberseiten zitiert werden.

Zusätzlich sollte geprüft werden, ob KI-Systeme veraltete technische Angaben, falsche Produktbezeichnungen oder unzutreffende Einsatzbereiche nennen. Eine hohe Sichtbarkeit mit sachlich falschen Informationen besitzt nur begrenzten Wert und kann Kaufentscheidungen negativ beeinflussen.

Beispiel für eine KI-Sichtbarkeitsanalyse

Das folgende vereinfachte Beispiel zeigt die Berechnung. Die Zahlen dienen ausschließlich der Veranschaulichung.

Ein B2B-Unternehmen untersucht 40 relevante Prompts in vier KI-Systemen. Dadurch entstehen 160 einzelne Antworten.

Die reine Präsenzquote zeigt, dass das Unternehmen bereits im Themenfeld bekannt ist. Der deutliche Abstand zur Empfehlungsquote weist jedoch darauf hin, dass die Marke zwar genannt, aber noch zu selten als besonders geeignete Lösung eingeordnet wird.

Die nächste Analyseebene prüft deshalb:

• Welche Wettbewerber werden häufiger empfohlen?
• Mit welchen Eigenschaften werden diese Anbieter verbunden?
• Welche Quellen verwendet das KI-System?
• Welche Inhalte fehlen auf der eigenen Website?
• Welche Beweise, Referenzen oder technischen Informationen sind beim Wettbewerb klarer?

Aus der Messung entsteht dadurch keine abstrakte Sichtbarkeitszahl, sondern eine konkrete Grundlage für Content, Positionierung, digitale PR und die weitere Optimierung für KI-Suchen.

Häufige Fehler bei der Messung

Nur den eigenen Markennamen abfragen

Wer ausschließlich direkte Markenfragen testet, misst hauptsächlich, ob das KI-System das Unternehmen grundsätzlich kennt. Für die tatsächliche Neukundengewinnung sind generische Problem-, Produkt- und Anbieterfragen meist wichtiger.

Einzelne Antworten als Ranking behandeln

Eine einzelne Nennung ist kein dauerhaftes Ranking. Antworten können sich zwischen mehreren Messläufen unterscheiden. Deshalb müssen Wiederholungen und Entwicklungen über Zeiträume berücksichtigt werden.

Alle Nennungen gleich bewerten

Eine beiläufige Erwähnung ist nicht mit einer aktiven Empfehlung vergleichbar. Auch eine Quellenangabe besitzt eine andere Funktion als eine reine Markennennung.

Wettbewerber ausblenden

Ohne Marktvergleich fehlt der Bewertungsrahmen. Eine eigene Verbesserung kann wertlos sein, wenn Wettbewerber im selben Zeitraum deutlich stärker zulegen.

Prompts während des Monitorings verändern

Wer Formulierungen laufend austauscht, verliert die Vergleichbarkeit. Neue Prompts können ergänzt werden. Das bestehende Kernset sollte jedoch möglichst stabil bleiben.

Nur Klicks und Traffic betrachten

KI-Systeme wirken häufig bereits vor einem Websitebesuch. Markenwahrnehmung, Anbieterwahl und Vertrauen können sich innerhalb der Antwort bilden. Traffic zeigt deshalb nur einen Teil der Wirkung.

Unsichtbare Quellenverwendung behaupten

Ähnliche Aussagen oder Formulierungen beweisen nicht, dass eine konkrete Website verwendet wurde. Belastbar sind sichtbare Quellenlinks, Markennennungen, gespeicherte Antworten und nachvollziehbare Veränderungen.

Aus Messwerten konkrete Maßnahmen ableiten

KI-Sichtbarkeit zu messen ist nur sinnvoll, wenn aus den Ergebnissen konkrete Entscheidungen entstehen.

GEO-Monitoring schafft damit einen Kreislauf aus Beobachtung, Vergleich, Optimierung und erneuter Messung. Besonders wertvoll ist nicht der absolute Wert eines einzelnen Tages, sondern die nachvollziehbare Entwicklung nach konkreten Maßnahmen.

Wann ist die Messung der KI-Sichtbarkeit besonders relevant?

Die Messung besitzt einen hohen strategischen Wert, wenn Kunden vor ihrer Entscheidung recherchieren, mehrere Anbieter vergleichen oder fachliche Orientierung benötigen.

Das betrifft insbesondere:

• Industrieunternehmen und technische Hersteller,
• Maschinen- und Anlagenbauer,
• Software- und Technologieanbieter,
• beratungsintensive Dienstleistungen,
• komplexe B2B-Produkte,
• Unternehmen mit langen Entscheidungszyklen,
• Marken mit erklärungsbedürftiger Positionierung.

Auch bei transaktionsorientierten Produkten gewinnt KI-Sichtbarkeit an Bedeutung. Nutzer lassen sich Produkte vergleichen, suchen geeignete Lösungen für konkrete Anforderungen und fragen nach Herstellern, Bezugsquellen oder Alternativen.

KI-Sichtbarkeit schafft einen neuen Blick auf den Markt

SEO-Kennzahlen bleiben wichtig. Rankings, Impressionen, Klicks und Conversions zeigen, wie Websites in klassischen Suchprozessen performen. KI-Sichtbarkeit ergänzt diese Daten um die vorgelagerte Frage, welche Unternehmen innerhalb generierter Antworten wahrgenommen, eingeordnet und empfohlen werden.

Für Geschäftsführung, Marketing und Vertrieb entsteht dadurch ein gemeinsames Marktbild. Sichtbar wird, welche Themen das Unternehmen bereits glaubwürdig besetzt, welche Wettbewerber bevorzugt genannt werden und an welchen Stellen die eigene Positionierung noch nicht eindeutig genug ist.

Eine belastbare Messung beginnt mit realen Kundenfragen, festen Messbedingungen und klar definierten KPIs. Erst die regelmäßige Wiederholung macht daraus ein Steuerungsinstrument.

Häufige Fragen zur Messung von KI-Sichtbarkeit