Wie misst man die AI-Suchsichtbarkeit? Methoden und Grenzen
Wir haben zusammengefasst, wie Sie messen können, wie oft Ihre Marke in KI-Antworten erscheint. Wir erläutern feste Fragensets, drei Kennzahlen und die wichtigsten Einschränkungen.
Antwort in einem Satz: Die AI-Suchsichtbarkeit wird berechnet, indem man festgelegte Fragen auf die gleiche Weise wiederholt stellt und dokumentiert, ob Ihre Marke in den Antworten vorkommt (Erwähnung), ob Links zu Ihrer Website enthalten sind (Zitation) und ob die Inhalte korrekt sind (Genauigkeit). Da KI-Antworten jedoch variieren können, ist es wichtiger, Trends unter gleichen Bedingungen zu beobachten als nur ein einzelnes Ergebnis zu betrachten.
Warum ist die Messung so schwierig?
Suchrankings wie Platz 3 oder Platz 7 lassen sich relativ eindeutig feststellen. Bei KI-Antworten ist das anders:
- Sätze und Empfehlungslisten können sich bei jeder Anfrage ändern, selbst bei der exakt gleichen Frage.
- Antworten variieren je nach Standort des Nutzers, Gesprächsverlauf und Login-Status.
- Die Art der Beantwortung ändert sich, sobald der KI-Dienst aktualisiert wird.
Daher ist die Aussage „Ich habe heute einmal gefragt und wir waren dabei“ eher eine zufällige Beobachtung als eine Messung. Für eine echte Messung müssen die Bedingungen festgelegt und der Vorgang wiederholt werden.
3 Kernmetriken
OLRim betrachtet die AI-Suchsichtbarkeit anhand der folgenden drei Kennzahlen:
1. Marken-Erwähnungsrate (Brand Mention Rate)
Der Anteil der KI-Antworten, in denen Ihr Markenname vorkommt.
Marken-Erwähnungsrate = (Anzahl der Antworten mit Markennennung ÷ Anzahl der gültigen Antworten) × 100
Hypothetisches Beispiel: Wenn die Marke in 5 von 20 gültigen Antworten erscheint, liegt die Erwähnungsrate bei 25 %.
2. Eigene URL-Zitationsrate
Der Anteil der Antworten, bei denen Ihre Website-Adresse in den Quellenlisten oder Links enthalten ist.
Eigene URL-Zitationsrate = (Anzahl der Antworten mit eigener URL-Zitation ÷ Anzahl der gültigen Antworten) × 100
Oft wird zwar der Name genannt, aber der Link führt zu anderen Blogs oder Bewertungsportalen. Deshalb werden Erwähnungs- und Zitationsrate getrennt betrachtet.
3. Zitationsgenauigkeit
Der Anteil der Antworten mit Markennennung, in denen die Unternehmensinformationen oder Servicebeschreibungen den Tatsachen entsprechen.
Zitationsgenauigkeit = (Anzahl der korrekt beschriebenen Antworten ÷ Anzahl der Antworten mit Markennennung) × 100
Viele Erwähnungen bei geringer Genauigkeit sind ein Signal dafür, dass veraltete oder falsche Informationen im Umlauf sind. In diesem Fall ist es wichtiger, offizielle Informationen zu korrigieren, als die Sichtbarkeit weiter zu erhöhen.
Was ist eine „gültige Antwort“?
Fälle, in denen die KI einen Fehler ausgibt oder mit „Ich kann das nicht beantworten“ reagiert, werden aus der Berechnung ausgeschlossen. Stattdessen wird separat dokumentiert, wie viele Fälle entfallen sind und warum. Wenn viele Fälle entfallen, ist dies an sich schon eine bedeutsame Information.
Feste Fragensets erstellen
Der Kern der Messung besteht darin, jedes Mal die gleichen Fragen zu verwenden. Diese Gruppe von Fragen wird als „festes Fragenset“ bezeichnet.
Kriterien für die Auswahl der Fragen:
- Fragen, die Kunden tatsächlich stellen würden: Wählen Sie Fragen, die Kunden interessieren, nicht nur solche, die Sie gerne hören würden.
- Verschiedene Phasen mischen:
- Informationsphase: „Was ist GEO?“
- Vergleichsphase: „Vergleiche GEO-Diagnosetools“
- Entscheidungsphase: „Empfiehl einen GEO-Diagnosedienst für kleine Unternehmen“
- Fragen ohne Markennamen bevorzugen: Wenn Sie den Namen eingeben (z. B. „Wie ist OLRim?“), wird er fast immer erwähnt, was die Sichtbarkeit verzerrt. Fragen mit Namen werden separat zur Überprüfung der Genauigkeit genutzt.
- Zunächst 10 bis 30 Fragen: Zu viele Fragen erschweren eine regelmäßige Wiederholung.
Versionsverwaltung ist entscheidend.
Wenn Sie auch nur eine Frage ändern, ist ein direkter Vergleich mit früheren Ergebnissen nicht mehr möglich. Versehen Sie Fragensets daher mit Versionen wie „v1“ oder „v2“. Vergleiche sollten nur innerhalb derselben Version durchgeführt werden.
Dokumentationsvorlage
Wenn Sie die folgenden Punkte lückenlos dokumentieren, können Sie die Ergebnisse später überprüfen und vergleichen.
| Punkt | Beispiel | Beschreibung |
|---|---|---|
| Untersuchungszeitpunkt | 16.10.2026 15:00 | Datum und Uhrzeit |
| KI-Dienst/Modell | ChatGPT (mit Suche) | Falls möglich, inklusive Modellname |
| Version des Fragensets | v1 | |
| Frage | Empfehlung GEO-Diagnosedienst für KMU | Originalwortlaut |
| Markennennung | Ja / Nein | |
| Eigene URL zitiert | Ja / Nein | |
| Zitierte URL | https://... | Vollständige Quellenliste |
| Genauigkeit | Korrekt / Teilweise fehlerhaft / Falsch | Details zu Fehlern in die Anmerkungen |
| Prüfer/Methode | Manuelle Prüfung durch Mitarbeiter | Bei automatischer Prüfung: Methode angeben |
| Anmerkungen | Alter Preis wurde angegeben |
Regeln für die Dokumentation:
- Fragen Sie möglichst in einem neuen Chat ohne Login (oder ohne Verlauf).
- Stellen Sie pro Chatverlauf nur eine Frage, da vorherige Fragen die folgenden Antworten beeinflussen können.
- Erstellen Sie Screenshots der Antworten oder speichern Sie den Originaltext.
4 Grenzen der Messung
Auch diese Methode ist nicht perfekt. Bei der Interpretation sollten folgende Einschränkungen beachtet werden:
1. Antworten ändern sich ständig.
KI kann auf dieselbe Frage unterschiedliche Antworten geben. Fragen Sie daher mehrmals pro Frage oder erhöhen Sie die Anzahl der Fragen, um den Zufallsfaktor zu minimieren.
2. Nutzer sehen unterschiedliche Antworten.
Antworten variieren je nach Standort, Sprache und Chatverlauf. Ihr Ergebnis ist nicht zwingend das, was jeder Kunde sieht.
3. Die KI kann falsche Aussagen treffen.
Wenn die KI täuschend echte, aber faktisch falsche Inhalte erzeugt, nennt man das Halluzination. Auch bei einer Erwähnung kann der Inhalt falsch sein, weshalb die Zitationsgenauigkeit separat geprüft wird.
4. Dienste lassen sich nicht einfach vergleichen.
ChatGPT, Gemini und Perplexity unterscheiden sich in der Art der Informationsbeschaffung und den Aktualisierungszyklen. Ein Ergebnis wie „Die Erwähnungsrate bei Dienst A ist höher“ sollte nicht als „bei gleichen Bedingungen“ missverstanden werden. Genauere Aussagen lassen sich über die Entwicklungstrends innerhalb des jeweiligen Dienstes treffen.
Wie nutzt man die Ergebnisse?
| Situation | Bedeutung | Maßnahmen |
|---|---|---|
| Erwähnung und Zitation niedrig | Die KI kennt Ihre Existenz kaum | Technischer Check, Ausbau der Kerninformationen |
| Erwähnung hoch, Zitation niedrig | Name ist bekannt, Website wird nicht als Quelle genutzt | Inhalte erstellen, die Fragen direkt beantworten |
| Erwähnung hoch, Genauigkeit niedrig | Falsche Informationen sind im Umlauf | Korrektur und Abgleich offizieller Informationen |
| Beides hoch | Guter Zustand | Regelmäßige Überprüfung zur Beibehaltung |
Zusammenfassung
- Die Basis der Messung ist es, feste Fragen auf die gleiche Weise kontinuierlich zu stellen.
- Erwähnungsrate, Zitationsrate und Zitationsgenauigkeit müssen getrennt betrachtet werden, um die Ursache von Problemen zu verstehen.
- Akzeptieren Sie die Grenzen der Messbarkeit und beurteilen Sie Trends statt Einzelergebnisse.
Das Design der Untersuchung, die OLRim mit dieser Methode durchführt, haben wir im [Olrim AI Search Visibility Report v1](/blog/olrim-ai-search-visibility-report-v1) veröffentlicht. Wenn Ihnen die manuelle Dokumentation zu aufwendig ist, können Sie dieselben Fragen regelmäßig über die AI-Erwähnungs-Tracking-Funktion von OLRim überprüfen.