KI-Sichtbarkeit messen: die Kennzahlen, die wirklich zählen

Warum lässt sich KI-Sichtbarkeit nicht mit klassischen Rankings messen?

Im klassischen SEO gibt es eine Rangliste: Position 1 bis 10, gemessen für ein Keyword. In der generativen Suche existiert diese Liste nicht mehr. Ein Nutzer stellt ChatGPT eine Frage und bekommt einen Fließtext, der drei bis fünf Quellen zusammenfasst – oder gar keine sichtbaren Quellen. Es gibt keine „Position 4“, die du tracken könntest.

Deshalb braucht das Messen von KI-Sichtbarkeit eine eigene Logik. Statt einer Keyword-Position fragst du: Wird meine Marke in der Antwort genannt? An welcher Stelle? In welchem Ton? Und wie viel Traffic entsteht daraus? Genau das lässt sich prüfen und monitoren – nur eben mit anderen Metriken als der klassische SERP-Report. GEO (Generative Engine Optimization) ist die Disziplin, die diese Sichtbarkeit gezielt aufbaut; das Messen ist ihr Kontrollinstrument.

Ein zweiter Unterschied: KI-Antworten sind nicht deterministisch. Dieselbe Frage kann heute deine Marke nennen und morgen nicht. Eine einzelne Messung ist deshalb ein Schnappschuss, kein Urteil. Erst die Wiederholung über mehrere Messpunkte macht die Zahl belastbar.

Welche Kennzahlen der KI-Sichtbarkeit gibt es?

Vier Metriken bilden zusammen ein vollständiges Bild. Sie messen jeweils eine andere Frage – von der reinen Präsenz bis zum tatsächlichen Geschäftswert. Wer nur eine davon betrachtet, misst blind.

Die ersten drei Kennzahlen erhebst du außerhalb deiner Website – direkt in den KI-Tools. Die vierte lebt in deiner Analytics. Zusammen verbinden sie Präsenz mit Wirkung.

AI Citation Frequency: Wie oft wirst du zitiert?

Die Citation Frequency ist die Basis-Metrik. Eine Citation (Zitat) ist jede Nennung deiner Marke, deines Produkts oder deiner URL in einer KI-Antwort. Um sie zu messen, definierst du ein Prompt-Set: 20 bis 50 Fragen, die deine echten Kunden einer KI stellen würden – von „Welche Anbieter für X gibt es?“ bis „Was kostet Y?“.

Diese Prompts schickst du an mehrere Modelle und protokollierst je Antwort: genannt ja/nein, an welcher Stelle, mit oder ohne Link. Die Citation Frequency ist dann schlicht der Anteil der Prompts, in denen du vorkommst. Steigt er von 20 auf 45 Prozent, wirkt deine GEO-Arbeit. Wie du diesen Anteil aktiv erhöhst, zeigt der Leitfaden KI-Sichtbarkeit verbessern.

Share of Answer: Wie groß ist dein Anteil am Gespräch?

Citation Frequency sagt dir, ob du präsent bist. Share of Answer sagt dir, ob du gewinnst. Diese Metrik setzt deine Nennungen ins Verhältnis zu denen deiner Wettbewerber im selben Prompt-Set. Wirst du bei sechs von zehn Prompts genannt, der stärkste Konkurrent aber nur bei drei, liegt dein Share of Answer klar vorn.

Der Wert ist deshalb so nützlich, weil er relativ ist: Er bleibt aussagekräftig, selbst wenn die KI-Modelle ihr Verhalten ändern. Verschiebt sich das gesamte Feld, verschiebt sich dein Anteil mit – die Rangordnung bleibt lesbar. Für Marken, die KI-Sichtbarkeit als Unternehmen strategisch messen wollen, ist Share of Answer die Kennzahl fürs Management-Reporting.

„Citation Frequency zeigt, ob du im Spiel bist. Share of Answer zeigt, ob du das Spiel anführst. Marken, die nur die erste Zahl messen, feiern Präsenz und übersehen, dass der Wettbewerber lauter zitiert wird.“— Cyrus Badde, Autor von „KI-Visibility“ (2026)

Sentiment: In welchem Ton spricht die KI über dich?

Genannt zu werden ist gut – aber nicht, wenn die KI dich als „teuer und unübersichtlich“ beschreibt. Deshalb gehört das Sentiment zu jeder ernsthaften Messung. Du liest die Antworttexte, in denen deine Marke vorkommt, und bewertest den Ton auf einer einfachen Skala: positiv, neutral, negativ.

Sentiment ist die Frühwarn-Metrik. Ein negativer Ton verrät oft, dass veraltete Rezensionen, ein alter Forenthread oder eine ungünstige Vergleichsseite in den Quellen der KI liegen. Das lässt sich gezielt kontern – aber nur, wenn du es überhaupt prüfst und monitorst. Ein sauberes KI-Sichtbarkeits-Audit deckt genau solche Quellen auf.

KI-Referral-Traffic in GA4: Was bringt es geschäftlich?

Die drei bisherigen Metriken leben in den KI-Tools. Der KI-Referral-Traffic macht die Sichtbarkeit in deiner eigenen Analytics sichtbar. In GA4 legst du ein Segment oder einen Bericht an, der Sitzungen aus KI-Quellen isoliert – etwa Verweise von chatgpt.com, perplexity.ai, gemini.google.com oder copilot.microsoft.com.

Erwarte keine großen Zahlen. KI-Referral-Traffic ist heute meist ein kleiner, aber hochwertiger Strom: Nutzer, die bereits eine Empfehlung erhalten haben und gezielt zu dir kommen. Diese Besucher konvertieren häufig besser als kalter Suchtraffic. Miss deshalb nicht nur die Menge, sondern auch die Conversion – dann wird aus einer Sichtbarkeitszahl ein Umsatzargument.

Wichtig ist die saubere Einrichtung: Definiere die KI-Quellen als eigenen Kanal, damit sie nicht im Sammeltopf „Referral“ untergehen. Erst dann kannst du KI-Referral-Traffic über Monate hinweg als Trend monitoren.

Baseline und Reporting-Rhythmus: Wie oft misst du?

Jede Messung braucht einen Nullpunkt. Bevor du eine GEO-Maßnahme startest, erhebst du die Baseline: Citation Frequency, Share of Answer, Sentiment und KI-Referral-Traffic zum Ist-Zustand. Ohne diese Baseline kannst du später keinen Effekt belegen – du hättest nichts, womit du vergleichst.

Danach zählt der Rhythmus. Bewährt hat sich ein monatliches Reporting mit exakt demselben Prompt-Set, denselben Modellen und derselben Auswertungslogik. Nur wenn die Methode konstant bleibt, ist die Veränderung echt und nicht bloß Messrauschen. Für ein solches Dashboard für AI-Sichtbarkeit reicht anfangs eine strukturierte Tabelle; welche Werkzeuge die Erhebung automatisieren, findest du in der Übersicht der KI-Sichtbarkeits-Tools.

Wie geht es nach der Messung weiter?

Messen ist der Anfang, nicht das Ziel. Sobald du deine Baseline kennst, weißt du, wo du stehst – und wo die Hebel liegen. Aus den Prompts, bei denen du fehlst, wird deine Content-Roadmap. Aus dem Sentiment werden Reputations-Aufgaben. Vertiefen kannst du das in diesen Ressourcen: