GEO & KI-Sichtbarkeit

KI-Sichtbarkeit messen: eine nachvollziehbare Methode für B2B

KI-Sichtbarkeit lässt sich nicht wie Rankings messen – aber systematisch beobachten. Eine Methode mit festem Fragen-Set, mehreren Durchläufen und klaren Kennzahlen.

Warum ein Screenshot nichts beweist

Viele Diskussionen über KI-Sichtbarkeit beginnen mit einem Screenshot: „Schau mal, ChatGPT empfiehlt uns.“ Oder umgekehrt: „Wir tauchen nirgends auf.“ Beides sagt wenig aus.

Generative Systeme formulieren jede Antwort neu. Eine Untersuchung von SparkToro und Gumshoe.ai hat das Anfang 2026 systematisch geprüft: 2.961 Durchläufe derselben Empfehlungsfragen in ChatGPT, Claude und Googles KI-Angeboten. Die Wahrscheinlichkeit, zweimal dieselbe Liste von Marken zu erhalten, lag unter einem Prozent; dieselbe Liste in derselben Reihenfolge noch deutlich seltener [1]. Stabiler war dagegen, wie häufig eine Marke über viele Durchläufe hinweg genannt wurde [1][2].

Vor der Messung: Kann die KI Ihre Website überhaupt lesen?

Bevor Sie messen, ob Sie erwähnt werden, sollten Sie prüfen, ob die Voraussetzungen stimmen. Sonst messen Sie ein technisches Problem, kein inhaltliches.

  • Crawler zugelassen? OpenAI unterscheidet zwischen Crawlern für das Training (GPTBot), für die ChatGPT-Suche (OAI-SearchBot) und für Abrufe im Auftrag von Nutzern (ChatGPT-User). Wer OAI-SearchBot in der robots.txt ausschließt, wird laut OpenAI nicht in den Suchantworten von ChatGPT gezeigt [3]. Prüfen Sie Ihre robots.txt – und Einstellungen Ihres Hosters oder CDN, die Bots unabhängig davon blockieren können.
  • Bei Google indexiert? Für die KI-Übersichten und den KI-Modus nennt Google keine Sonderanforderungen: Eine Seite muss indexiert und für die normale Suche zugelassen sein; die üblichen SEO-Grundlagen gelten [4].
  • Inhalt ohne JavaScript lesbar? Nicht jeder Crawler führt JavaScript aus. Wichtige Aussagen sollten im ausgelieferten HTML stehen.

Die Methode: ein festes Fragen-Set

Kern der Messung ist ein Set von Fragen, das Sie über Monate unverändert verwenden. Für B2B bieten sich vier Fragetypen an, die unterschiedliche Dinge messen:

TypBeispielWas er misst
Marke„Was ist [Ihre Marke]?“Wird Ihr Unternehmen korrekt beschrieben?
Kategorie„Welche Anbieter für [Ihre Kategorie] gibt es für mittelständische B2B-Unternehmen?“Tauchen Sie auf, wenn Käufer eine Shortlist bilden?
Problem„Wie bekomme ich mehr qualifizierte Anfragen über meine B2B-Website?“Werden Ihre Inhalte als Quelle für Antworten genutzt?
Vergleich„Agentur oder unabhängiger Berater – was passt besser?“Wie werden Sie gegenüber Alternativen eingeordnet?

So entsteht ein gutes Set

  1. Aus echten Käuferfragen ableiten – aus Vertriebsgesprächen, Anfragen und Search-Console-Suchbegriffen, nicht aus Wunsch-Keywords.
  2. 15 bis 25 Fragen reichen für den Anfang; lieber wenige gut gewählte als hundert beliebige.
  3. Natürlich formulieren – so, wie Ihre Zielgruppe tatsächlich fragt, in der Sprache Ihres Marktes.
  4. Wortlaut einfrieren. Wer Fragen laufend umformuliert, kann Veränderungen nicht mehr seinen Maßnahmen zuordnen.

Systeme, Durchläufe, Bedingungen

Damit Ergebnisse vergleichbar bleiben, legen Sie die Bedingungen einmal fest und dokumentieren sie:

  • Systeme: die, die Ihre Zielgruppe nutzt – typischerweise ChatGPT mit Websuche, Perplexity, Googles KI-Übersichten bzw. KI-Modus, Gemini und Microsoft Copilot.
  • Durchläufe: jede Frage mehrfach pro System stellen. Drei Durchläufe sind ein pragmatisches Minimum für ein kleines Team; mehr Durchläufe machen die Werte stabiler. Die SparkToro-Untersuchung zeigt, warum: Erst über viele Wiederholungen wird der Anteil der Nennungen aussagekräftig [1].
  • Frische Sitzungen: nicht eingeloggt oder ohne Verlauf und Personalisierung, gleiche Sprache, gleicher Standort.
  • Rhythmus: eine Basismessung vor den ersten Maßnahmen, danach monatlich.
  • Protokoll: jede Antwort mit Datum, System und Durchlauf festhalten – eine Tabelle genügt.

Fünf Kennzahlen, die tragen

KennzahlDefinitionWofür sie taugt
MarkenkorrektheitAnteil der Durchläufe zu Markenfragen mit korrekter, aktueller BeschreibungFrühindikator: Versteht die KI, wer Sie sind?
ErwähnungsrateAnteil der Kategorie- und Problemfragen, in denen Ihre Marke genannt wirdKern der KI-Sichtbarkeit – über viele Durchläufe der stabilste Wert [1]
ZitationsrateAnteil der Antworten, die Ihre Website als Quelle verlinkenZeigt, ob Ihre Inhalte als Beleg dienen
Share of VoiceIhre Nennungen im Verhältnis zu allen Nennungen eines festen Wettbewerber-SetsRelative Position im Markt
Referral-ZugriffeBesuche von chatgpt.com, perplexity.ai und anderen KI-Diensten in Ihrer Web-StatistikVerbindet Sichtbarkeit mit tatsächlichem Besuch

Bewusst nicht als Kennzahl: die Position in der Antwort („Platz 2 in ChatGPT“). Die Reihenfolge schwankt so stark, dass sie kaum Aussagekraft hat [1].

Grenzen der Referral-Daten: Google weist Zugriffe über KI-Übersichten und KI-Modus nicht gesondert aus, sondern zählt sie in der Search Console zum normalen Suchtraffic [4]. Und nicht jeder, der eine KI-Antwort liest, klickt.

Typische Fehler

  1. Einzelne Antworten als Beleg werten – in Präsentationen ebenso wie in Angeboten von Dienstleistern.
  2. Personalisierte Sitzungen verwenden – der eigene Verlauf verzerrt die Antwort.
  3. Fragen laufend ändern – dann misst man die Frage, nicht die Sichtbarkeit.
  4. Nur Markenfragen stellen – dort ist man fast immer „sichtbar“; entscheidend sind Kategorie- und Problemfragen.
  5. Rangplätze berichten – sie wirken präzise, sind es aber nicht.
  6. Ergebnisse versprechen. Kein Anbieter kann garantieren, dass ein KI-System eine Marke nennt.

Was Messung nicht leisten kann

Messung zeigt, ob sich etwas verändert – nicht automatisch, warum. KI-Systeme ändern Modelle, Datenquellen und Suchverfahren, ohne es anzukündigen. Eine Verbesserung kann an Ihren Maßnahmen liegen oder an einem Update des Systems. Deshalb lohnt es sich, Maßnahmen mit Datum zu protokollieren und Veränderungen erst nach mehreren Messzeitpunkten zu bewerten.

Das Forschungspapier, das den Begriff „Generative Engine Optimization“ geprägt hat, untersucht, wie Inhalte in Antworten generativer Suchsysteme sichtbarer werden, die auf abgerufene Webquellen zurückgreifen [5].

Außerdem unterscheiden sich die Systeme untereinander – je nach Anbieter, Modellversion, aktivierter Websuche und Standort. Messen Sie deshalb jedes System getrennt, statt Werte zusammenzuwerfen.

Vorlage: So starten Sie

  1. 15–25 Fragen aus echten Käuferfragen formulieren (vier Typen, siehe oben).
  2. Drei bis fünf Wettbewerber festlegen.
  3. Systeme und Bedingungen dokumentieren.
  4. Basismessung durchführen: jede Frage, jedes System, mindestens drei Durchläufe.
  5. Fünf Kennzahlen berechnen und festhalten.
  6. Maßnahmen umsetzen und mit Datum protokollieren.
  7. Monatlich wiederholen; Bewertung erst nach mehreren Monaten.

Quellen

  1. Search Engine Land: „AI recommendation lists rarely repeat: Study“ – Bericht über die Untersuchung von SparkToro und Gumshoe.ai (Januar 2026)
  2. Search Engine Journal: „AI recommendations change with nearly every query: SparkToro“
  3. OpenAI: „Overview of OpenAI Crawlers“
  4. Google Search Central: „AI features and your website“
  5. Aggarwal, P. et al.: „GEO: Generative Engine Optimization“, KDD 2024

Sie möchten das Thema vertiefen?

Sprechen wir darüber, was es konkret für Ihr Unternehmen bedeutet.

Björn RaddeIhre Anfrage landet direkt bei mir.