KI-Sichtbarkeit messen: Methode, Kennzahlen und Tools

Was KI-Sichtbarkeit bedeutet

KI-Sichtbarkeit beschreibt, wie präsent ein Unternehmen in den Antworten generativer KI-Systeme ist. Dahinter stecken vier verschiedene Dinge, die man bei der Messung nicht vermischen sollte:

• Eine Nennung liegt vor, wenn die Antwort den Namen des Unternehmens oder einer seiner Marken enthält.
• Ein Zitat liegt vor, wenn die Antwort eine Seite der eigenen Website als Quelle verlinkt.
• Eine Empfehlung liegt vor, wenn die KI das Unternehmen ausdrücklich als passende Lösung vorschlägt.
• Ein Besuch entsteht, wenn jemand aus einer KI-Antwort heraus auf die Website klickt.

Die vier hängen zusammen, laufen aber oft auseinander. Ein Unternehmen kann genannt werden, ohne dass die eigene Website als Quelle erscheint, weil die KI den Namen aus Vergleichsportalen oder Fachartikeln kennt. Umgekehrt kann eine Seite Fakten für eine Antwort liefern, ohne dass der Firmenname fällt. Wirtschaftlich zählen am Ende Empfehlung und Besuch. Nennungen und Zitate sind die Vorstufen, die sich zuverlässiger messen lassen.

Warum klassisches Ranking-Tracking nicht reicht

KI-Antworten schwanken von Abfrage zu Abfrage. Deshalb lässt sich KI-Sichtbarkeit nicht wie ein Google-Ranking als feste Position messen. Das zeigt eine Studie von SparkToro mit dem Tracking-Anbieter Gumshoe.ai: Im November und Dezember 2025 stellten 600 Freiwillige zwölf Kaufberatungsfragen insgesamt 2.961-mal an ChatGPT, Claude und Googles KI-Suche. Die Chance, zweimal dieselbe Markenliste zu bekommen, lag bei ChatGPT und Google unter 1 zu 100, dieselbe Reihenfolge kam etwa einmal in 1.000 Durchläufen vor.

Stabiler war, ob eine Marke überhaupt vorkommt. Eine Klinik erschien in 69 von 71 ChatGPT-Antworten, stand aber nur in 25 davon an erster Stelle.

Hinzu kommen Modell-Updates. SISTRIX hat 3,8 Millionen deutschsprachige ChatGPT-Antworten ausgewertet: An normalen Tagen veränderten sich die zitierten Quellen um 1 bis 2 %, beim Modellwechsel am 22. und 23. Mai 2026 um 47 %, wie Search Engine Journal berichtet. Gemessen wird deshalb ein Anteil über viele Abfragen, keine Position.

Die drei Datenquellen im Vergleich

Kein einzelnes Werkzeug zeigt das ganze Bild. Prompt-Tracking misst, was die KI antwortet, die Search Console zeigt Googles eigene Daten zu AI Overviews und AI Mode, und Google Analytics 4 zeigt, wer tatsächlich auf die Website kommt.

KI-Besuche in Google Analytics 4 auswerten

Google Analytics 4 ordnet Besuche aus KI-Assistenten seit dem 13. Mai 2026 automatisch dem Kanal „KI-Assistent“ zu. Laut Analytics-Hilfe gehören dazu Quellen wie ChatGPT, Gemini, Deepseek, Copilot oder Grok. GA4 erkennt sie an der Verweis-URL und setzt das Medium auf „ai-assistant“. So lässt sich der Kanal auswerten:

1. In GA4 den Bericht „Traffic-Akquisition“ unter Akquisition öffnen.
2. Als Dimension die Standard-Channelgruppe der Sitzung wählen und die Zeile „KI-Assistent“ ansehen.
3. Die Sitzungsquelle als zweite Dimension hinzufügen, um ChatGPT, Gemini und Copilot zu trennen.
4. Schlüsselereignisse wie Anfragen oder Käufe danebenstellen, damit nicht nur Besuche gezählt werden.
5. Prüfen, ob weitere Dienste wie perplexity.ai erkannt werden. Fehlen sie, hilft eine eigene Channelgruppe mit einer Regel auf die Quelle, die vor „Verweis“ einsortiert wird.

Zwei Grenzen sollte man kennen. Besuche aus AI Overviews und AI Mode schließt der Kanal ausdrücklich aus, sie zählen zur organischen Suche. Und Besuche ohne Verweisquelle, etwa aus Apps, landen weiterhin unter „Direkt“.

KI-Impressionen in der Search Console

Für Googles eigene KI-Funktionen gibt es seit dem 31. August 2026 für alle Websites den Leistungsbericht zu generativen KI-Funktionen in der Search Console. Er zeigt, wie oft Links einer Website in AI Overviews und im AI Mode angezeigt wurden, aufgeschlüsselt nach Seiten, Ländern und Geräten.

Der Bericht enthält nur Impressionen, keine Klicks und keine Suchanfragen, und zählt AI Overviews und AI Mode zusammen. Die Daten stammen aus dem Suchtyp „Web“ des normalen Leistungsberichts. Wer beide Berichte addiert, zählt dieselben Impressionen doppelt. Eine Schritt-für-Schritt-Anleitung steht im Ratgeber zum Google AI Mode.

Welche Fragen man tracken sollte: das Prompt-Set aus Fan-Outs

Die Fragen für das Tracking sollten nicht ausgedacht, sondern aus den Teilsuchen abgeleitet werden, die KI-Systeme selbst stellen. ChatGPT und Gemini zerlegen eine Frage in mehrere Suchanfragen, den Query Fan-Out. Diese Teilsuchen entscheiden mit, welche Quellen in die Antwort kommen, tauchen in Keyword-Tools aber meist nicht auf. Bei Tokato Media entsteht ein Prompt-Set in sieben Schritten:

1. Die 10 bis 15 wichtigsten Seiten festlegen, nach Umsatzbeitrag, Impressionen und Rankingstärke.
2. Je Seite mindestens eine Frage in ganzen Sätzen formulieren, so wie Kunden ChatGPT fragen, dazu vier bis sechs Fragen nach Anbietern, Vergleichen und Erfahrungen.
3. Jede Frage dreimal in ChatGPT und dreimal in Gemini mit Websuche abfragen und die Teilsuchen speichern, etwa über die Schnittstelle von DataForSEO.
4. Gleichbedeutende Teilsuchen zu Teilfragen bündeln und zählen, in wie vielen Durchläufen jede vorkommt.
5. Teilfragen, die in fast jedem Durchlauf auftauchen, ins Set übernehmen und seltene verwerfen.
6. Das Set auf 100 bis 130 Fragen begrenzen: rund zwei Drittel zu den eigenen Seiten, 15 bis 20 % kommerzielle Fragen, der Rest zur Marke.
7. Das Set nach dem Import einfrieren, damit die Monatswerte vergleichbar bleiben.

Warum drei Durchläufe je Modell reichen

Für den Aufbau eines Prompt-Sets reichen drei Durchläufe je Modell. In eigenen Messungen tauchten die Kernteilfragen meist schon im ersten oder zweiten Durchlauf auf. Weitere Durchläufe brachten vor allem neue Formulierungen für dieselbe Absicht. Die Recherche dazu ist Teil der Keyword- & Fan-Out-Recherche.

Aus der Praxis: ein Prompt-Set für einen Whirlpool-Händler

Für einen Onlinehändler für Whirlpools hat Tokato Media im August 2026 ein Prompt-Set nach dieser Methode aufgebaut. 20 Fragen wurden je dreimal in ChatGPT und Gemini abgefragt, insgesamt 120 Abrufe. Sie ergaben 207 Teilsuchen, die sich auf 16 stabile Teilfragen verdichten ließen. Das fertige Set umfasst 109 Fragen.

Das Verhältnis von 207 zu 16 zeigt, wie stark die Formulierungen schwanken und wie stabil die Absichten dahinter sind. Drei Befunde aus dem Projekt waren für die Inhalte direkt verwertbar:

• Bei jeder Frage zum pH-Wert suchte die KI auch nach „Alkalinität“, einem Begriff, den kaum ein Kunde selbst eintippt. Ratgeber zum pH-Wert müssen ihn deshalb erklären.
• ChatGPT ergänzte viele Teilsuchen um Stiftung Warentest, Verbraucherzentrale oder Umweltbundesamt. Diese Quellen konkurrieren mit dem Händler um den Platz in der Antwort.
• ChatGPT fragte die Domain des Händlers gezielt per site:-Suche ab. Die eigene Website wurde also direkt als Quelle geprüft.

Was 220 eigene Abrufe über KI-Suchen zeigen

Im Oktober 2026 hat Tokato Media für zwei Ratgeber je elf Fragen fünfmal an ChatGPT (gpt-5.4-mini) und Gemini (3.6 Flash) mit Websuche gestellt, zusammen 220 Abrufe. Drei Beobachtungen sind für jede Messung von KI-Sichtbarkeit relevant:

• Zu Grundsatzfragen sucht die KI oft gar nicht. Vier von elf Fragen, etwa die nach dem Unterschied zwischen KI-Tracking und Ranking-Tracking, lösten in keinem Durchlauf eine Websuche aus. In der zweiten Messreihe kam nur in 55 von 110 Abrufen überhaupt eine Teilsuche zustande. Wer solche Fragen trackt, misst Trainingswissen, das sich durch neue Inhalte kurzfristig kaum ändert.
• ChatGPT sucht zu deutschen Fragen auf Englisch. In der zweiten Messreihe waren alle Teilsuchen von ChatGPT englisch, Gemini suchte bei Kosten- und Kennzahlenfragen auf Deutsch. Deutschsprachige Seiten konkurrieren in ChatGPT also mit englischen Quellen.
• ChatGPT gleicht mit offiziellen Hilfeseiten ab. 51 % seiner Teilsuchen in der zweiten Messreihe richteten sich per site:-Operator an Seiten wie help.openai.com oder support.google.com.

Für das Prompt-Set heißt das: Fragen ohne Websuche gehören höchstens als Beobachtung hinein, nicht als Erfolgsmaßstab für neue Inhalte.

Kennzahlen, die etwas aussagen

Belastbar sind Kennzahlen, die einen Anteil über viele Antworten ausdrücken und sich über Monate vergleichen lassen. Die Position innerhalb einer Antwort gehört nicht dazu: Sie schwankt laut SparkToro so stark, dass sie wenig aussagt, auch wenn manche Tools sie anzeigen.

Tools für das Tracking im Vergleich

Für regelmäßiges Tracking braucht es ein Werkzeug, das ein festes Set von Fragen automatisch abfragt und die Antworten auswertet. Es gibt zwei Gruppen: Erweiterungen bekannter SEO-Suiten und spezialisierte Anbieter. Die Angaben stammen von den Anbieterseiten, Stand Oktober 2026.

Tabelle seitlich scrollen →

Wichtiger als der Funktionsumfang ist, dass das Tool eigene Fragen erlaubt und jede Frage mehrfach abfragt. Nur so lässt sich das Prompt-Set aus den Fan-Outs unverändert übernehmen.

Was die Messung der KI-Sichtbarkeit kostet

Die laufenden Kosten hängen vor allem von drei Faktoren ab: der Zahl der Fragen im Set, der Zahl der KI-Systeme und der Häufigkeit der Abfrage. Ein Set mit 110 Fragen, das täglich in vier Systemen abgefragt wird, erzeugt rund 13.200 Abfragen im Monat. Die meisten Tools rechnen nach genau dieser Menge ab, deshalb lohnt es sich, das Set nicht größer zu machen als nötig.

Der Aufbau des Sets kostet vergleichsweise wenig. Die 110 Fan-Out-Abrufe einer Messreihe kosteten in den eigenen Tests über die Schnittstelle von DataForSEO 2,12 und 3,10 US-Dollar. Den größeren Aufwand machen das Formulieren der Fragen, das Bündeln der Teilsuchen und später die monatliche Auswertung.

Wie oft man messen sollte und wann sich etwas zeigt

Ausgewertet wird im Monatsmittel, auch wenn das Tool täglich abfragt. Tageswerte schwanken zu stark, um daraus Schlüsse zu ziehen. Das Set bleibt dabei eingefroren: Wer Fragen austauscht, verliert die Vergleichbarkeit mit den Vormonaten.

Überarbeitet wird das Set etwa einmal im Quartal und nach großen Modell-Updates, jeweils dokumentiert. Neue Fragen kommen als gekennzeichnete Ergänzung hinzu, der alte Kern bleibt bestehen.

Wie schnell sich Maßnahmen zeigen, hängt von der Art der Änderung ab. Technische Änderungen wirken teils schnell: Laut OpenAI-Dokumentation dauert es rund 24 Stunden, bis ChatGPT eine geänderte robots.txt für die Suche berücksichtigt. Für neue oder überarbeitete Inhalte gibt es keinen verlässlichen Richtwert. Sie sollte man über mehrere Monatsmittel beurteilen, nicht nach einer Woche. Wie das im laufenden Reporting aussieht, beschreibt Monitoring & Reporting.

Wenn das Unternehmen in ChatGPT fehlt oder falsch beschrieben wird

Fehlt ein Unternehmen in den Antworten, liegt die Ursache oft bei den Quellen, nicht bei der KI. Diese Reihenfolge hilft bei der Suche:

1. Prüfen, ob OAI-SearchBot die Website abrufen darf. Laut OpenAI erscheinen Seiten, die diesen Crawler in der robots.txt sperren, nicht in den Antworten der ChatGPT-Suche, höchstens als einfacher Link. Mehr dazu im Ratgeber KI-Crawler in der robots.txt.
2. Für die betroffenen Fragen nachsehen, welche Quellen die KI zitiert. Das zeigt das Prompt-Tracking.
3. Falsche oder veraltete Angaben in diesen Quellen korrigieren lassen, etwa in Branchenverzeichnissen, Bewertungsportalen oder Vergleichsartikeln.
4. Auf der eigenen Website Leistungen, Standorte und Kennzahlen klar und in ganzen Sätzen beschreiben, damit die KI sie eindeutig zuordnen kann.

Einen eigenen Weg, Unternehmensangaben direkt bei OpenAI zu korrigieren, beschreibt die Crawler-Dokumentation nicht. Der Hebel liegt deshalb bei den Seiten, aus denen ChatGPT seine Antworten zusammensetzt.

Häufige Fragen