Stand: Oktober 2026.
KI-SEO bringt eine eigene Sprache mit sich. Manche Begriffe stammen aus der klassischen Suchmaschinenoptimierung und wurden übernommen, andere sind neu und werden von verschiedenen Anbietern noch unterschiedlich benutzt. Dieses Glossar ordnet über 60 Begriffe rund um KI-Sichtbarkeit alphabetisch. Jeder Eintrag liefert eine eigenständige Definition im ersten Satz, ein Praxisbeispiel und Links zu verwandten Begriffen. Wir prüfen und aktualisieren die Liste vierteljährlich.
Sprung zum Buchstaben: A · B · C · D · E · F · G · H · I · K · L · M · N · O · P · R · S · T · U · V · W · Z
A
Accuracy Monitoring
Accuracy Monitoring (Genauigkeitsprüfung) ist die laufende Kontrolle, ob KI-Engines faktisch korrekte Angaben zu einer Marke machen, etwa zu Preisen, Funktionen oder Firmensitz. Es steht neben Share of Voice und Sentiment als dritte Säule der KI-Beobachtung.
Praxisbeispiel: Ein Team stellt fest, dass ChatGPT einen alten Preis nennt, weil der zitierte Artikel seit einem Repricing nicht aktualisiert wurde, und markiert die Quelle zur Korrektur.
Verwandte Begriffe: Halluzinationsrate, Testurteil.
AEO
AEO (Answer Engine Optimization) ist die Praxis, Inhalte so zu strukturieren und zu verbreiten, dass KI-Answer-Engines sie als zitierte Quelle in einer generierten Antwort auswählen. Der Begriff wird im deutschsprachigen Raum oft synonym mit GEO verwendet.
Praxisbeispiel: Eine Marke schreibt eine FAQ-Sektion mit klaren, kurzen Antworten pro Frage, weil kurze, direkt zitierbare Absätze häufiger in KI-Antworten übernommen werden als lange Fließtexte.
Verwandte Begriffe: GEO, KI-SEO, Citation.
AI Overviews
AI Overviews (Google AI Overviews) ist die KI-generierte Zusammenfassung, die Google für bestimmte Suchanfragen oberhalb der klassischen Trefferliste einblendet. Sie synthetisiert eine Antwort aus mehreren Quellen und nennt dabei einige davon namentlich.
Praxisbeispiel: Eine Suchanfrage zu einem Produktvergleich löst ein AI Overview aus, das drei Anbieter nennt und auf zwei zugehörige Artikel verlinkt, bevor die klassischen blauen Links folgen.
Verwandte Begriffe: Google AI Mode, Zero-Click-Suche, Answer Engine.
AI-Sichtbarkeits-Score
Ein AI-Sichtbarkeits-Score ist eine zusammengesetzte Kennzahl, die ein Tool aus mehreren Einzelwerten wie Share of Voice, Citation Rate und Sentiment berechnet und zu einer einzigen Indexzahl bündelt. Verschiedene Anbieter gewichten und benennen diesen Score unterschiedlich.
Praxisbeispiel: Ein Dashboard zeigt einen Score von 68 von 100 an, der aus Nennungsanteil, Zitationsrate und Tonalität über fünf Engines berechnet wird.
Verwandte Begriffe: Share of Voice, Citation Rate, Sentiment-Analyse.
Answer Engine
Eine Answer Engine ist ein KI-System, das auf eine natürlichsprachige Anfrage mit einer synthetisierten Antwort reagiert statt mit einer gerankten Linkliste. ChatGPT, Perplexity, Google AI Overviews, Gemini und Microsoft Copilot sind die zentralen Answer Engines im Prüfraster dieser Seite.
Praxisbeispiel: Statt zehn blauer Links liefert Perplexity auf eine Frage direkt drei Sätze Antworttext mit zwei nummerierten Quellenangaben.
Verwandte Begriffe: AI Overviews, Engine-Abdeckung, KI-Sichtbarkeit.
Attribution
Attribution (Quellenattribution) ist die Zuordnung, welche Domains oder URLs die Zitationen einer Marke in KI-Antworten tatsächlich auslösen. Ein Attributionsbericht zeigt, ob Zitationen von der eigenen Website, aus Medienberichten oder von Bewertungsplattformen stammen.
Praxisbeispiel: Eine Analyse zeigt, dass 70 % der Zitationen einer Marke von zwei Testportalen kommen und nur 10 % von der eigenen Domain, ein Risiko bei Sichtbarkeit auf wenigen Quellen.
Verwandte Begriffe: Earned Citation, Third-Party Authority, Citation Rate.
B
Bot-Traffic
Bot-Traffic (KI-Bot-Traffic) sind serverseitige Zugriffe von KI-Crawlern wie denen von OpenAI, Anthropic oder Perplexity, die Website-Inhalte abrufen, um sie für Trainingsdaten oder Live-Antworten zu nutzen. Er erscheint nicht in klassischen Analytics-Tools, die nur menschlichen Traffic zählen.
Praxisbeispiel: Eine Logfile-Auswertung zeigt tausende Zugriffe von einem KI-Crawler auf Produktseiten in einem Monat, obwohl Google Analytics dort kaum Besucher meldet.
Verwandte Begriffe: Crawler, llms.txt, KI-Bot-Steuerung.
Brand Mentions
Brand Mentions (Markenerwähnungen) sind die rohe Anzahl der Vorkommen eines Markennamens in KI-generierten Antworten über ein überwachtes Set an Prompts. Anders als Share of Voice zählt diese Kennzahl absolute Häufigkeit statt einen Anteilswert.
Praxisbeispiel: Eine Marke wird in einer Woche 40-mal in überwachten Antworten genannt, ein Anstieg von 25 % gegenüber der Vorwoche, ausgelöst durch eine neue Produktankündigung.
Verwandte Begriffe: Share of Voice, Named-Entity Recognition, Prompt-Monitoring.
C
ChatGPT
ChatGPT ist der KI-Assistent von OpenAI und die meistgenutzte Answer Engine im Prüfraster dieser Seite. Im Browsing-Modus ruft ChatGPT Live-Webquellen ab und zitiert sie, im Basismodus stützt es sich auf Trainingsdaten.
Praxisbeispiel: Dieselbe Frage liefert bei ChatGPT je nach Modus unterschiedliche Ergebnisse: mit Websuche aktuelle Quellen, ohne Websuche eine Antwort aus dem trainierten Wissen.
Verwandte Begriffe: Answer Engine, Halluzinationsrate, Engine-Abdeckung.
Citation
Eine Citation (Zitation) ist ein einzelner Verweis auf eine bestimmte URL oder Domain innerhalb einer KI-generierten Antwort. Sie unterscheidet sich von einer Markenerwähnung, weil sie eine konkrete Quelle statt nur einen Namen referenziert.
Praxisbeispiel: In einer Perplexity-Antwort erscheint ein Vergleichstext mit drei nummerierten Zitationen, von denen eine auf eine Anbieterseite verlinkt.
Verwandte Begriffe: Citation Rate, Earned Citation, Attribution.
Citation Rate
Citation Rate (Zitationsrate) ist der Prozentsatz der KI-generierten Antworten in einem definierten Prompt-Set, in dem eine bestimmte URL oder Domain als Quelle referenziert wird. Peec AI misst dies zum Beispiel als eigenen Kennzahlenblock je Engine.
Praxisbeispiel: Eine Domain wird in 18 von 50 überwachten Antworten zitiert, das ergibt eine Citation Rate von 36 % für dieses Prompt-Set.
Verwandte Begriffe: Citation, Sichtbarkeitslücke, Attribution.
Competitive Set
Ein Competitive Set (Wettbewerbergruppe) ist die definierte Liste an Marken, deren KI-Sichtbarkeitswerte man neben den eigenen trackt. Ein Share-of-Voice-Wert von 35 % bedeutet etwas anderes, wenn der stärkste Wettbewerber bei 20 % liegt, als wenn er bei 55 % liegt.
Praxisbeispiel: Ein Team legt vier Wettbewerber fest und entdeckt bei einer ersten Discovery-Prompt-Runde, dass ein fünfter, bisher unbeachteter Anbieter in KI-Antworten öfter genannt wird als zwei der vier gelisteten.
Verwandte Begriffe: Share of Voice, Prompt-Cluster, Sichtbarkeitslücke.
Content-Score
Ein Content-Score ist ein Echtzeitwert, den ein Editor während des Schreibens vergibt, um zu zeigen, wie gut ein Text für klassische Suche und für KI-Antworten optimiert ist. Er kombiniert häufig Keyword-Abdeckung, Struktur und Lesbarkeit in einer Zahl.
Praxisbeispiel: Ein Autor sieht den Content-Score während des Schreibens von 40 auf 78 steigen, nachdem er eine fehlende Zwischenüberschrift und zwei relevante Begriffe ergänzt hat.
Verwandte Begriffe: WDF*IDF, KI-SEO, Klassisches SEO.
Crawler
Ein Crawler ist ein automatisiertes Programm, das Webseiten abruft und ausliest. Im KI-Kontext unterscheidet man klassische Suchmaschinen-Crawler wie den Googlebot von KI-Crawlern, die Inhalte für Trainingsdaten oder Live-Antworten sammeln.
Praxisbeispiel: Eine robots.txt-Datei erlaubt dem Googlebot vollen Zugriff, blockiert aber einen bestimmten KI-Crawler, wodurch die betroffene Engine die Seite nicht als Quelle nutzen kann.
Verwandte Begriffe: Bot-Traffic, KI-Bot-Steuerung, llms.txt.
D
DACH-Tauglichkeit
DACH-Tauglichkeit ist das Prüfkriterium dieser Seite dafür, ob ein KI-SEO-Tool deutsche Prompts und Modellvarianten zuverlässig erfasst, Preise in Euro ausweist und Support auf Deutsch anbietet. Viele Tools sind zuerst für englischsprachige Prompts trainiert, was diesen Punkt zu einem eigenständigen Kriterium macht.
Praxisbeispiel: Ein Tool erfasst eine englische Formulierung einer Frage zuverlässig, übersieht bei derselben Frage auf Deutsch aber eine Nennung, weil die Spracherkennung auf Englisch optimiert ist.
Verwandte Begriffe: Support auf Deutsch, Testurteil, Schulnotensystem.
Domainautorität
Domainautorität ist im KI-Kontext das Vertrauensmaß, das eine KI-Engine einer Domain als Quelle beimisst, abgeleitet unter anderem aus klassischen SEO-Signalen wie Backlinks und Alter. Domains mit hoher Autorität werden häufiger als Quelle in Retrieval-Systemen ausgewählt.
Praxisbeispiel: Semrush zeigt die Domainautorität einer Seite neben ihrer KI-Sichtbarkeit an, weil beide Werte in der Praxis oft korrelieren, aber nicht identisch sind.
Verwandte Begriffe: Klassisches SEO, Third-Party Authority, Retrieval Window.
E
Earned Citation
Eine Earned Citation (verdiente Zitation) ist ein Verweis auf eine Marke in einer KI-Antwort, der entsteht, weil eine Drittquelle wie ein Testportal, ein Fachartikel oder ein Forum die Marke erwähnt hat. Sie ist im selben Sinn verdient wie Earned Media: nicht selbst veröffentlicht und nicht bezahlt.
Praxisbeispiel: Ein unabhängiger Testbericht auf einem Fachportal wird von Perplexity als Quelle zitiert, ohne dass die getestete Marke selbst etwas dafür getan hat außer ein gutes Produkt zu bauen.
Verwandte Begriffe: Attribution, Third-Party Authority, Citation.
E-E-A-T
E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) ist ein Bewertungsrahmen aus Googles Qualitätsrichtlinien, der auch im KI-Kontext relevant bleibt, weil Retrieval-Systeme ähnliche Vertrauenssignale nutzen. Inhalte mit belegter Erfahrung und klarer Autorschaft werden häufiger als verlässliche Quelle abgerufen.
Praxisbeispiel: Ein Artikel mit konkreten, überprüfbaren Testschritten wird von einer KI-Engine öfter zitiert als ein vergleichbarer Text ohne erkennbare Quelle für die genannten Fakten.
Verwandte Begriffe: Domainautorität, Third-Party Authority, Halluzinationsrate.
Engine-Abdeckung
Engine-Abdeckung (Engine Coverage) ist die Anzahl und Auswahl der KI-Engines, die ein Monitoring-Tool trackt. Peec AI deckt beispielsweise neun oder mehr Engines ab, andere Tools beschränken sich auf drei bis fünf. Laut einer Ahrefs-Studie von 15.000 Anfragen aus August 2025 zitiert Perplexity URLs aus Googles Top 10 in rund 29 % der Fälle, ChatGPT und Copilot dagegen nur in rund 8 %.
Praxisbeispiel: Ein Tool, das nur ChatGPT misst, übersieht eine Marke, die in Perplexity-Antworten auffällig oft zitiert wird, weil beide Engines unterschiedliche Quellenpools nutzen.
Verwandte Begriffe: Answer Engine, ChatGPT, Perplexity.
Entität
Eine Entität (Entity) ist im KI-Kontext ein klar identifizierbares Objekt wie eine Marke, eine Person oder ein Produkt, das ein Sprachmodell konsistent von ähnlichen Begriffen unterscheiden kann. Eindeutige Entitätsdefinition hilft KI-Engines, eine Marke nicht mit gleichnamigen Produkten zu verwechseln.
Praxisbeispiel: Eine Marke mit einem generischen Namen ergänzt strukturierte Daten und eine klare Unternehmensbeschreibung, damit eine KI-Engine sie von einem branchenfremden Unternehmen mit ähnlichem Namen unterscheidet.
Verwandte Begriffe: Knowledge Graph, Named-Entity Recognition, Schema Markup.
F
Fan-Out-Anfrage
Eine Fan-Out-Anfrage (Fan-Out Query) ist eine interne Unteranfrage, die eine KI-Engine im Hintergrund generiert, um Quellmaterial abzurufen, bevor sie ihre Antwort auf die eigentliche Nutzerfrage formuliert. Retrieval-gestützte Systeme wie Perplexity nutzen mehrere Fan-Out-Anfragen pro Nutzerfrage.
Praxisbeispiel: Eine einzelne Nutzerfrage zu einem Tool-Vergleich löst im Hintergrund mehrere Unteranfragen aus, etwa zu Preisen, Funktionen und Alternativen, deren Ergebnisse dann zu einer Antwort zusammengeführt werden.
Verwandte Begriffe: RAG, Retrieval Window, Answer Engine.
FAQ-Schema
FAQ-Schema ist strukturierte Daten im Format Question-Answer, die einer Seite hinzugefügt werden, um Frage-Antwort-Paare maschinenlesbar zu kennzeichnen. Klar formatierte FAQ-Sektionen lassen sich von KI-Engines leichter direkt in eine Antwort übernehmen.
Praxisbeispiel: Eine Produktseite ergänzt ein FAQ-Schema mit fünf kurzen Frage-Antwort-Paaren, wodurch einzelne Antworten häufiger wortnah in KI-generierten Zusammenfassungen auftauchen.
Verwandte Begriffe: Schema Markup, AEO, Answer Engine.
Featured Snippet
Ein Featured Snippet ist ein hervorgehobener Textausschnitt, den Google oberhalb der klassischen Trefferliste anzeigt, meist aus einer einzelnen Quelle extrahiert. Es unterscheidet sich von einem AI Overview dadurch, dass es nicht mehrere Quellen zu einer neuen Antwort zusammenfasst, sondern einen bestehenden Textabschnitt zitiert.
Praxisbeispiel: Eine Frage nach einer Definition liefert ein Featured Snippet mit einem wörtlichen Absatz aus einer einzelnen Seite, während dieselbe Frage bei aktivem AI Overview eine aus mehreren Quellen zusammengesetzte Antwort ergibt.
Verwandte Begriffe: AI Overviews, Answer Engine, FAQ-Schema.
G
Gemini
Gemini ist Googles eigenständiger KI-Assistent, getrennt von AI Overviews innerhalb der klassischen Google-Suche. Gemini kombiniert Suchergebnisse mit dem Google Knowledge Graph, weshalb Entitätskonsistenz und strukturierte Daten hier ein aussagekräftiges Signal sind.
Praxisbeispiel: Eine Marke mit vollständigen, konsistenten strukturierten Daten wird in Gemini-Antworten zuverlässiger korrekt beschrieben als eine Marke mit widersprüchlichen Angaben auf verschiedenen Seiten.
Verwandte Begriffe: AI Overviews, Knowledge Graph, Engine-Abdeckung.
GEO
GEO (Generative Engine Optimization) ist die englische Bezeichnung für die Praxis, Inhalte so zu gestalten, dass generative KI-Systeme sie in ihre Antworten aufnehmen. Der Begriff wird im deutschsprachigen Raum meist neben KI-SEO und AEO als weitgehend austauschbares Synonym verwendet.
Praxisbeispiel: Ein internationales Team benutzt in seinen englischen Berichten den Begriff GEO, während dieselbe Arbeit in deutschsprachigen Reports oft KI-SEO genannt wird.
Verwandte Begriffe: AEO, KI-SEO, Answer Engine.
Google AI Mode
Google AI Mode ist ein eigenständiger, konversationeller Suchmodus von Google, getrennt von AI Overviews innerhalb der klassischen Trefferliste. Nutzer wechseln aktiv in diesen Modus, um in mehreren Schritten mit einem KI-System zu recherchieren statt Einzelanfragen zu stellen.
Praxisbeispiel: Eine Nutzerin wechselt von der klassischen Google-Suche in den AI Mode, um in einem fortlaufenden Dialog mehrere Tool-Optionen zu vergleichen, statt jede Frage einzeln neu einzugeben.
Verwandte Begriffe: AI Overviews, Answer Engine, Engine-Abdeckung.
H
Halluzinationsrate
Die Halluzinationsrate (Hallucination Rate) ist die Häufigkeit, mit der eine KI-Engine nachweislich falsche Angaben zu einer Marke macht, etwa zu Preisen, eingestellten Funktionen oder dem Gründungsjahr. Sie ist eine eigenständige Monitoring-Kategorie, getrennt von negativem Sentiment.
Praxisbeispiel: Eine KI-Engine nennt einen Preis, der seit einem halben Jahr nicht mehr gilt, weil die zugrunde liegende Quelle nie aktualisiert wurde, eine Halluzination statt einer Meinung.
Verwandte Begriffe: Accuracy Monitoring, E-E-A-T, Testurteil.
I
Indexierung
Indexierung bezeichnet im KI-Kontext den Prozess, mit dem eine Seite in den Quellenpool aufgenommen wird, aus dem ein Retrieval-System Kandidaten für eine Antwort auswählt. Eine Seite kann klassisch von Google indexiert sein und trotzdem nicht im Retrieval-Pool einer bestimmten KI-Engine auftauchen.
Praxisbeispiel: Eine neue Produktseite ist bei Google bereits indexiert und rankt, wird aber erst Wochen später erstmals als Quelle in einer Perplexity-Antwort sichtbar.
Verwandte Begriffe: Crawler, Retrieval Window, RAG.
Intent-Zuordnung
Intent-Zuordnung (Intent Mapping) ist die Organisation eines überwachten Prompt-Sets nach Phase der Kaufentscheidung, etwa Bewusstsein, Abwägung oder Entscheidung. Sie zeigt, in welcher Phase eine Marke gut sichtbar ist und wo Lücken bestehen.
Praxisbeispiel: Eine Marke erscheint in 70 % der allgemeinen Informationsfragen, aber nur in 15 % der konkreten Vergleichsfragen, ein Hinweis auf eine Sichtbarkeitslücke kurz vor der Kaufentscheidung.
Verwandte Begriffe: Prompt-Cluster, Sichtbarkeitslücke, Prompt Coverage.
K
KI-Bot-Steuerung
KI-Bot-Steuerung ist die technische Kontrolle darüber, welche KI-Crawler eine Website auslesen dürfen, meist über Einträge in der robots.txt-Datei oder ergänzend über eine llms.txt-Datei. Sie entscheidet, ob eine Seite überhaupt als Quelle für Trainingsdaten oder Live-Antworten zur Verfügung steht.
Praxisbeispiel: Ein Betreiber erlaubt in der robots.txt gezielt den Crawler einer Answer Engine, blockiert aber einen anderen, dessen Nutzung der Inhalte er nicht wünscht.
Verwandte Begriffe: Crawler, Bot-Traffic, llms.txt.
KI-SEO
KI-SEO ist die Praxis, Inhalte, Struktur und technische Signale einer Website so zu gestalten, dass KI-Answer-Engines die Marke in generierten Antworten korrekt darstellen und zitieren. Der Begriff ist die im deutschsprachigen Raum gängige Bezeichnung für das, was international als AEO oder GEO diskutiert wird.
Praxisbeispiel: Ein Team ergänzt technisches Audit, FAQ-Schema und Prompt-Monitoring um seine bestehende klassische SEO-Arbeit, weil beide Disziplinen unterschiedliche, aber sich ergänzende Signale brauchen.
Verwandte Begriffe: AEO, GEO, Klassisches SEO.
KI-Sichtbarkeit
KI-Sichtbarkeit ist der Oberbegriff dafür, wie oft, wie genau und in welchem Kontext eine Marke in Antworten von KI-Engines wie ChatGPT, Perplexity, Google AI Overviews, Gemini und Microsoft Copilot erscheint. Temso zum Beispiel bündelt die Messung dieser Kennzahl mit Content-Erstellung und Umsetzung in einer Plattform ab 89 € im Monat.
Praxisbeispiel: Eine Marke mit hoher klassischer Google-Rankingposition, aber niedriger KI-Sichtbarkeit taucht bei Google auf Seite eins auf, wird aber in Perplexity- und ChatGPT-Antworten zur selben Frage kaum genannt.
Verwandte Begriffe: Answer Engine, Share of Voice, KI-SEO.
Klassisches SEO
Klassisches SEO bezeichnet zur Abgrenzung von KI-SEO die Optimierung für eine gerankte Trefferliste, gemessen an Keyword-Positionen, Klicks und Backlinks. Semrush zum Beispiel verbindet klassisches SEO und KI-Sichtbarkeit in einer Oberfläche, weil viele Teams beide Datensätze im selben Arbeitsablauf brauchen.
Praxisbeispiel: Ein Team verfolgt weiterhin seine Keyword-Rankingpositionen bei Google, ergänzt das Reporting aber um eine zweite Kennzahl für KI-Zitationen, weil beide Werte unterschiedliche Trends zeigen können.
Verwandte Begriffe: KI-SEO, Domainautorität, AEO.
Knowledge Graph
Der Knowledge Graph ist eine strukturierte Datenbank, in der Suchmaschinen Entitäten wie Marken, Personen oder Orte und ihre Beziehungen zueinander speichern. Gemini greift bei der Antwortgenerierung unter anderem auf den Google Knowledge Graph zurück.
Praxisbeispiel: Eine korrekt im Knowledge Graph hinterlegte Marke wird in einer Gemini-Antwort mit dem richtigen Gründungsjahr und der richtigen Kategorie beschrieben, weil die Entität eindeutig zugeordnet ist.
Verwandte Begriffe: Entität, Gemini, Schema Markup.
L
LLM
Ein LLM (Large Language Model) ist ein KI-Modell, das auf großen Textmengen trainiert wurde und darauf aufbaut, Sprache zu verstehen und zu generieren. Die Antwortsysteme hinter ChatGPT, Gemini und Copilot basieren jeweils auf einem oder mehreren LLMs.
Praxisbeispiel: Zwei unterschiedliche LLMs beantworten dieselbe Frage zu einer Marke unterschiedlich, weil sie mit verschiedenen Trainingsdaten und Retrieval-Mechanismen arbeiten.
Verwandte Begriffe: Answer Engine, RAG, Halluzinationsrate.
llms.txt
llms.txt ist ein vorgeschlagenes, textbasiertes Dateiformat im Root-Verzeichnis einer Website, das KI-Systemen eine strukturierte Übersicht der wichtigsten Seiteninhalte anbietet. Anders als robots.txt steuert es keine Zugriffsrechte, sondern liefert eine kompakte Orientierungshilfe.
Praxisbeispiel: Eine Website ergänzt neben ihrer klassischen robots.txt eine llms.txt-Datei mit Links zu ihren wichtigsten Referenzseiten, um KI-Crawlern die Struktur der Inhalte zu erleichtern.
Verwandte Begriffe: Crawler, KI-Bot-Steuerung, Bot-Traffic.
M
Mehrländer-Reporting
Mehrländer-Reporting (Multi-Country Reporting) ist die Fähigkeit eines Tools, KI-Sichtbarkeitsdaten getrennt nach Land oder Sprache zu erfassen und zentral zusammenzuführen. Peec AI bündelt diese Funktion im Advanced-Tarif zusammen mit einer Looker-Studio-Anbindung.
Praxisbeispiel: Eine international tätige Marke sieht in einem Mehrländer-Report, dass sie in deutschsprachigen KI-Antworten stark vertreten ist, in französischsprachigen Antworten zur selben Kategorie aber kaum genannt wird.
Verwandte Begriffe: Prompt-Cluster, Engine-Abdeckung, DACH-Tauglichkeit.
Mention Velocity
Mention Velocity (Erwähnungsgeschwindigkeit) ist die Veränderungsrate roher Markenerwähnungen über einen definierten Zeitraum, ausgedrückt als wöchentlicher oder monatlicher Prozentwert. Sie zeigt Trendwenden schneller an als eine einzelne Momentaufnahme.
Praxisbeispiel: Der absolute Share of Voice einer Marke bleibt stabil, doch die Mention Velocity fällt drei Wochen in Folge, ein frühes Warnsignal, bevor sich die Hauptkennzahl sichtbar bewegt.
Verwandte Begriffe: Brand Mentions, Share of Voice, Sichtbarkeitslücke.
Microsoft Copilot
Microsoft Copilot ist Microsofts KI-Assistent, aufgebaut auf dem Bing-Index kombiniert mit generativen Sprachmodellen. Seiten mit starker Bing-Sichtbarkeit und sauberen strukturierten Daten haben bei Copilot-Zitationen einen Vorteil.
Praxisbeispiel: Eine Marke mit guter klassischer Bing-Platzierung wird in Copilot-Antworten öfter zitiert als eine Marke mit vergleichbarer Google-Platzierung, aber schwacher Bing-Präsenz.
Verwandte Begriffe: Answer Engine, Domainautorität, Engine-Abdeckung.
N
Named-Entity Recognition
Named-Entity Recognition (NER) ist der automatisierte Prozess, Markennamen, Produktnamen und Wettbewerbernamen aus KI-generiertem Text zu erkennen und zu extrahieren. Monitoring-Tools nutzen NER, um Erwähnungen zu zählen und Share-of-Voice-Werte im großen Maßstab zu berechnen.
Praxisbeispiel: Ein Tool erkennt eine abgekürzte, umgangssprachliche Version eines Markennamens nicht zuverlässig und zählt dadurch einige echte Erwähnungen nicht mit.
Verwandte Begriffe: Brand Mentions, Entität, Share of Voice.
O
On-Page-Audit
Ein On-Page-Audit im KI-Kontext prüft technische und inhaltliche Faktoren einer Seite, die beeinflussen, ob sie als Quelle für KI-Antworten infrage kommt, etwa Ladezeit, strukturierte Daten und Klarheit der Antwortstruktur. Es ergänzt klassische technische SEO-Audits um KI-spezifische Kriterien.
Praxisbeispiel: Ein Audit deckt auf, dass eine Seite technisch sauber für Google ist, aber keine klar abgegrenzten Antwortabsätze enthält, was ihre Übernahme in KI-Antworten erschwert.
Verwandte Begriffe: FAQ-Schema, Schema Markup, Klassisches SEO.
P
Perplexity
Perplexity ist eine Answer Engine, die von Grund auf als Echtzeit-Suchprodukt konzipiert wurde und für jede Anfrage aktuelle Quellen abruft und explizit zitiert. Ihr Quellenpool überschneidet sich weniger mit Googles klassischen Top-Ergebnissen als bei anderen Answer Engines.
Praxisbeispiel: Eine Frage zu einem aktuellen Marktereignis liefert bei Perplexity eine Antwort mit Quellen, die erst wenige Tage alt sind, weil das System live im Web recherchiert.
Verwandte Begriffe: Answer Engine, Fan-Out-Anfrage, Engine-Abdeckung.
Prompt
Ein Prompt ist die konkrete Frage oder Anweisung, die ein Nutzer in eine KI-Engine eingibt. Im Monitoring-Kontext ist ein Prompt die kleinste Messeinheit, aus der sich alle weiteren Kennzahlen wie Share of Voice und Citation Rate ableiten.
Praxisbeispiel: Der Prompt “bestes KI-SEO-Tool für kleine Agenturen” liefert eine andere Antwort als “welches Tool trackt KI-Sichtbarkeit für Agenturen”, obwohl beide dieselbe Kaufabsicht ausdrücken.
Verwandte Begriffe: Prompt-Cluster, Prompt Coverage, Prompt-Monitoring.
Prompt-Cluster
Ein Prompt-Cluster ist eine Gruppe von Anfragen, die nach gemeinsamer Kaufabsicht organisiert ist, statt nach exakter Wortwahl. Mehrere unterschiedlich formulierte Fragen zum selben Bedürfnis gehören zu einem Cluster.
Praxisbeispiel: “Bestes KI-Sichtbarkeitstool für Agenturen”, “welches Tool trackt KI-Erwähnungen für mehrere Kunden” und “KI-SEO-Software für Agenturteams” bilden drei Formulierungen, aber einen Prompt-Cluster.
Verwandte Begriffe: Prompt, Intent-Zuordnung, Competitive Set.
Prompt Coverage
Prompt Coverage (Prompt-Abdeckung) ist der Anteil eines überwachten Prompt-Sets, bei dem mindestens eine Antwort die eigene Marke erwähnt. Sie unterscheidet sich von Share of Voice, weil sie die Häufigkeit innerhalb einer einzelnen Antwort ignoriert und nur eine Ja-Nein-Frage stellt.
Praxisbeispiel: Eine Marke erreicht 55 % Prompt Coverage, erscheint also in 55 von 100 überwachten Anfragen mindestens einmal, unabhängig davon, wie oft sie in der jeweiligen Antwort genannt wird.
Verwandte Begriffe: Share of Voice, Sichtbarkeitslücke, Prompt-Cluster.
Prompt-Monitoring
Prompt-Monitoring ist die laufende Praxis, ein definiertes Set an Käuferanfragen regelmäßig gegen eine oder mehrere KI-Engines laufen zu lassen und aufzuzeichnen, welche Marken und Quellen in den Antworten erscheinen. Es ist die primäre Datenerhebungsmethode hinter jeder KI-Sichtbarkeitskennzahl.
Praxisbeispiel: Ein Tool führt 50 Prompts täglich über fünf Engines aus und speichert jede Antwort, um daraus Trends über mehrere Wochen zu berechnen.
Verwandte Begriffe: Prompt, Engine-Abdeckung, Brand Mentions.
R
RAG
RAG (Retrieval-Augmented Generation) ist die Architektur, bei der ein KI-System zunächst relevante Dokumente aus einem Quellenpool abruft und diese abgerufenen Passagen dann als Kontext für seine generierte Antwort nutzt. Perplexity, Google AI Overviews und Microsoft Copilot nutzen RAG in unterschiedlichem Ausmaß.
Praxisbeispiel: Ein System ohne RAG kann keine URL zitieren, die es nicht in seinen Trainingsdaten kennt. Ein RAG-System kann eine Seite zitieren, die erst vor wenigen Tagen veröffentlicht wurde, sofern sie im Retrieval Window landet.
Verwandte Begriffe: Retrieval Window, Fan-Out-Anfrage, Indexierung.
Retrieval Window
Das Retrieval Window (Abruffenster) ist das Set an Dokumenten, das ein KI-System als Kandidatenkontext für einen bestimmten Prompt auswählt, bevor der eigentliche Generierungsschritt beginnt. Inhalte, die nicht ins Retrieval Window gelangen, können in der Antwort nicht zitiert werden.
Praxisbeispiel: Eine gut geschriebene, aber technisch schwer zugängliche Seite verfehlt das Retrieval Window einer Engine, während eine schlichtere, aber sauber strukturierte Konkurrenzseite ausgewählt und zitiert wird.
Verwandte Begriffe: RAG, Indexierung, Domainautorität.
S
Schema Markup
Schema Markup (strukturierte Daten) ist standardisierter Code auf einer Seite, der Suchmaschinen und KI-Systemen zusätzlichen Kontext zu Inhalten liefert, etwa zu Produkten, Bewertungen oder Frage-Antwort-Paaren. Es hilft Retrieval-Systemen, eine Seite eindeutig einzuordnen.
Praxisbeispiel: Eine Produktseite mit vollständigem Schema Markup zu Preis, Verfügbarkeit und Bewertungen wird von einer KI-Engine präziser zusammengefasst als eine vergleichbare Seite ohne strukturierte Daten.
Verwandte Begriffe: FAQ-Schema, Entität, Knowledge Graph.
Schulnotensystem
Das Schulnotensystem ist die Benotungsskala dieser Seite von 1,0 bis 6,0 nach deutschem Vorbild, mit der jedes geprüfte Tool ein Testurteil erhält: sehr gut (1,0 bis 1,5), gut (1,6 bis 2,5) und befriedigend (2,6 bis 3,5). Die Note ergibt sich aus einem gewichteten Kriterienkatalog.
Praxisbeispiel: Ein Tool erreicht in sechs gewichteten Einzelkriterien eine Gesamtnote von 1,7, was in der Übersicht als Testurteil “gut” ausgewiesen wird.
Verwandte Begriffe: Testurteil, DACH-Tauglichkeit.
Sentiment-Analyse
Sentiment-Analyse im KI-Monitoring ist die Klassifizierung der Sprache, mit der eine KI-Antwort eine Marke beschreibt, als positiv, neutral oder negativ. Sie erfasst Aussagen zu Produktqualität, Preis, Support und Wettbewerbsposition.
Praxisbeispiel: Eine KI-Antwort beschreibt eine Marke als “solide, aber teurer als vergleichbare Anbieter”, eine Aussage mit gemischtem, überwiegend neutralem Sentiment.
Verwandte Begriffe: AI-Sichtbarkeits-Score, Halluzinationsrate, Testurteil.
Share of Voice
Share of Voice in der KI-Suche ist der Prozentsatz relevanter Prompts, bei denen die eigene Marke im Vergleich zu Wettbewerbern in der generierten Antwort genannt wird. Es ist die zentrale Wettbewerbskennzahl fast jeder KI-Sichtbarkeitsplattform.
Praxisbeispiel: Eine Marke erscheint in 35 von 100 überwachten Prompts, das ergibt einen KI-Share-of-Voice von 35 % für diese Kategorie.
Verwandte Begriffe: Competitive Set, Prompt Coverage, Mention Velocity.
Sichtbarkeitslücke
Eine Sichtbarkeitslücke (Citation Gap) ist eine Anfrage oder ein Themencluster, bei dem Wettbewerber in KI-generierten Antworten zitiert werden, die eigene Marke aber nicht. Sichtbarkeitslücken entstehen durch den Vergleich der eigenen Citation Rate mit der jedes Wettbewerbers im Competitive Set.
Praxisbeispiel: Bei der Frage nach einer bestimmten Funktion nennt eine KI-Antwort drei Wettbewerber, aber nicht die eigene Marke, obwohl sie dieselbe Funktion anbietet, eine konkrete Sichtbarkeitslücke.
Verwandte Begriffe: Citation Rate, Competitive Set, Intent-Zuordnung.
Support auf Deutsch
Support auf Deutsch ist eines der drei Teilkriterien der DACH-Tauglichkeit dieser Seite und prüft, ob ein Anbieter Kundensupport per Chat, E-Mail oder Telefon in deutscher Sprache anbietet. Für Beschaffung und laufende Nutzung im DACH-Raum ist dieser Punkt oft ebenso wichtig wie die reine Sprachabdeckung der Messung.
Praxisbeispiel: Zwei Tools messen KI-Sichtbarkeit gleich zuverlässig, doch nur eines bietet bei einer technischen Rückfrage eine Antwort auf Deutsch statt ausschließlich auf Englisch.
Verwandte Begriffe: DACH-Tauglichkeit, Testurteil.
T
Testurteil
Ein Testurteil ist die zusammenfassende Einordnung einer Note dieser Seite in Textform, etwa “sehr gut (1,3)” oder “befriedigend (2,8)”. Es macht die reine Zahl aus dem Schulnotensystem auf einen Blick lesbar.
Praxisbeispiel: Zwei Tools mit den Noten 1,4 und 1,5 erhalten beide das Testurteil “sehr gut”, weil beide Werte innerhalb derselben Notenspanne liegen.
Verwandte Begriffe: Schulnotensystem, DACH-Tauglichkeit.
Third-Party Authority
Third-Party Authority (Drittanbieter-Autorität) ist der Grad, in dem externe Quellen wie Medien, Testportale oder Fachforen eine Marke auf eine Weise erwähnen, die KI-Retrieval-Systeme als glaubwürdig einstufen. Marken mit hoher Third-Party Authority werden häufiger zitiert, auch ohne starke Signale von der eigenen Domain.
Praxisbeispiel: Eine Marke ohne große eigene Content-Bibliothek wird trotzdem häufig zitiert, weil mehrere unabhängige Fachportale regelmäßig über sie berichten.
Verwandte Begriffe: Earned Citation, Attribution, Domainautorität.
Tonalitätsklassifizierung
Tonalitätsklassifizierung (Tone Classification) ist die feinere Version der Sentiment-Analyse, die zwischen Kategorien wie begeistert, zurückhaltend, ablehnend oder vergleichend unterscheidet. Sie ist handlungsfähiger als ein einfacher positiv-negativ-Wert.
Praxisbeispiel: Eine “zurückhaltende” Tonalität bei preisbezogenen Fragen zeigt ein anderes Problem an als eine “ablehnende” Tonalität bei funktionsbezogenen Fragen, auch wenn beide als negativ gelten würden.
Verwandte Begriffe: Sentiment-Analyse, Halluzinationsrate.
U
Umsetzungstiefe
Umsetzungstiefe (Action Depth) ist das Kriterium, wie weit ein Tool über die reine Messung hinausgeht und erkannte Sichtbarkeitslücken tatsächlich in eine umsetzbare Maßnahme überführt. Manche Tools liefern nur eine Aufgabenliste, andere erstellen Inhalte direkt oder setzen Empfehlungen selbstständig um.
Praxisbeispiel: Temso erkennt eine Sichtbarkeitslücke bei einem bestimmten Prompt-Cluster und bietet neben der Diagnose auch Content-Erstellung sowie einen KI-SEO-Agenten für die Umsetzung an, alles innerhalb derselben Plattform ab 89 € im Monat.
Verwandte Begriffe: Sichtbarkeitslücke, KI-Sichtbarkeit, Testurteil.
V
Volumendaten
Volumendaten (Prompt Volumes) zeigen, wie oft eine bestimmte Frage von echten Nutzern tatsächlich an eine KI-Engine gestellt wird, bevor eine Marke überhaupt genannt wird. Sie unterscheiden sich von Share of Voice, weil sie die Nachfrage selbst messen, nicht die eigene Präsenz darin.
Praxisbeispiel: Ein Team erkennt anhand von Volumendaten, dass eine bisher übersehene Frage besonders oft gestellt wird, und priorisiert diesen Prompt-Cluster künftig höher.
Verwandte Begriffe: Prompt-Cluster, Prompt-Monitoring, Intent-Zuordnung.
W
WDF*IDF
WDF*IDF ist ein aus dem klassischen SEO stammendes Verfahren, das die Begriffshäufigkeit eines Textes mit der Häufigkeit in vergleichbaren Top-Texten abgleicht, um Lücken in der thematischen Abdeckung aufzuzeigen. Der ContentFlash-Editor von neuroflash nutzt diese Analyse in Echtzeit während des Schreibens.
Praxisbeispiel: Eine Analyse zeigt, dass ein Text ein zentrales Fachwort seltener nutzt als vergleichbare Top-Texte, woraufhin der Autor gezielt zwei zusätzliche Absätze zu diesem Begriff ergänzt.
Verwandte Begriffe: Content-Score, Klassisches SEO.
Wettbewerbsvergleich
Ein Wettbewerbsvergleich stellt die KI-Sichtbarkeitswerte der eigenen Marke direkt neben die definierter Wettbewerber, meist für dieselben Prompts und denselben Zeitraum. Er macht sichtbar, ob eine Veränderung an der eigenen Position liegt oder am gesamten Marktumfeld.
Praxisbeispiel: Ein Rückgang beim eigenen Share of Voice fällt im Wettbewerbsvergleich weniger dramatisch aus, wenn sich zeigt, dass die gesamte Kategorie durch ein neues KI-Modell-Update betroffen war.
Verwandte Begriffe: Competitive Set, Share of Voice, Mention Velocity.
Z
Zero-Click-Suche
Eine Zero-Click-Suche ist eine Suchanfrage, bei der der Nutzer die gesuchte Information direkt aus einer KI-generierten Antwort erhält, ohne eine einzelne Seite anzuklicken. Laut einer Clickstream-Analyse von Similarweb aus 2025 liegt der durchschnittliche Zero-Click-Anteil bei Anfragen, die ein Google AI Overview auslösen, bei 83 %.
Praxisbeispiel: Eine Nutzerin stellt eine Frage, erhält die Antwort direkt im AI Overview und schließt die Suche ab, ohne eine einzige der darunterliegenden Seiten zu besuchen.
Verwandte Begriffe: AI Overviews, Answer Engine, Citation Rate.
Zielgruppen-Simulation
Eine Zielgruppen-Simulation (Digital Twin) simuliert, wie definierte Nutzerprofile auf einen Text reagieren würden, bevor er veröffentlicht wird. neuroflash bietet diese Funktion mit Digital Twins an, die auf über einer Million realer Verbraucherprofile aufbauen.
Praxisbeispiel: Ein Team lässt einen Textentwurf vor der Veröffentlichung gegen mehrere simulierte Zielgruppenprofile laufen und passt die Tonalität an, bevor der Text live geht.
Verwandte Begriffe: Content-Score, Sentiment-Analyse.
Schnellreferenz-Tabelle
| Begriff | Kurz erklärt |
|---|---|
| Accuracy Monitoring | Kontrolle, ob KI-Antworten faktisch korrekte Markendaten zeigen |
| AEO | Praxis, Inhalte für KI-Zitationen zu optimieren |
| AI Overviews | Googles KI-Zusammenfassung oberhalb der Trefferliste |
| AI-Sichtbarkeits-Score | Zusammengesetzter Indexwert aus mehreren KI-Kennzahlen |
| Answer Engine | KI-System, das eine synthetisierte Antwort statt Linkliste liefert |
| Attribution | Zuordnung, welche Quellen Zitationen einer Marke auslösen |
| Bot-Traffic | Serverseitige Zugriffe von KI-Crawlern |
| Brand Mentions | Rohe Anzahl von Markenerwähnungen in KI-Antworten |
| ChatGPT | KI-Assistent von OpenAI, zentrale Answer Engine |
| Citation | Einzelner Quellverweis innerhalb einer KI-Antwort |
| Citation Rate | Prozentsatz der Antworten, die eine Domain zitieren |
| Competitive Set | Definierte Gruppe an Wettbewerbern im Tracking |
| Content-Score | Echtzeitwert für die Textoptimierung beim Schreiben |
| Crawler | Automatisiertes Programm, das Seiten ausliest |
| DACH-Tauglichkeit | Kriterium für deutsche Sprache, Euro-Preise und Support |
| Domainautorität | Vertrauensmaß einer Domain als KI-Quelle |
| Earned Citation | Zitation, die von einer Drittquelle stammt |
| E-E-A-T | Bewertungsrahmen für Erfahrung, Expertise und Vertrauen |
| Engine-Abdeckung | Anzahl und Auswahl der getrackten KI-Engines |
| Entität | Eindeutig identifizierbares Objekt wie eine Marke |
| Fan-Out-Anfrage | Interne Unteranfrage einer KI vor der Antwort |
| FAQ-Schema | Strukturierte Frage-Antwort-Daten auf einer Seite |
| Featured Snippet | Hervorgehobener Textausschnitt aus einer einzelnen Quelle |
| Gemini | Googles eigenständiger KI-Assistent |
| GEO | Englisches Synonym für KI-SEO |
| Google AI Mode | Eigenständiger konversationeller Suchmodus von Google |
| Halluzinationsrate | Häufigkeit faktisch falscher KI-Aussagen über eine Marke |
| Indexierung | Aufnahme einer Seite in den KI-Quellenpool |
| Intent-Zuordnung | Organisation von Prompts nach Kaufphase |
| KI-Bot-Steuerung | Technische Kontrolle über KI-Crawler-Zugriff |
| KI-SEO | Optimierung für KI-Zitationen im deutschsprachigen Raum |
| KI-Sichtbarkeit | Wie oft und wie genau eine Marke in KI-Antworten erscheint |
| Klassisches SEO | Optimierung für gerankte Trefferlisten |
| Knowledge Graph | Strukturierte Datenbank von Entitäten und Beziehungen |
| LLM | Sprachmodell hinter Answer Engines |
| llms.txt | Vorgeschlagenes Übersichtsformat für KI-Systeme |
| Mehrländer-Reporting | Getrennte KI-Sichtbarkeitsdaten nach Land oder Sprache |
| Mention Velocity | Veränderungsrate von Markenerwähnungen über die Zeit |
| Microsoft Copilot | Microsofts KI-Assistent auf Bing-Basis |
| Named-Entity Recognition | Automatisierte Erkennung von Markennamen im Text |
| On-Page-Audit | Prüfung technischer Faktoren für KI-Quellenfähigkeit |
| Perplexity | Answer Engine mit Echtzeit-Quellenabruf |
| Prompt | Konkrete Nutzerfrage an eine KI-Engine |
| Prompt-Cluster | Gruppe an Anfragen mit gleicher Kaufabsicht |
| Prompt Coverage | Anteil der Prompts mit mindestens einer Markenerwähnung |
| Prompt-Monitoring | Laufende, regelmäßige Prompt-Auswertung über Engines |
| RAG | Architektur aus Quellenabruf plus Antwortgenerierung |
| Retrieval Window | Kandidatenset an Dokumenten vor der Generierung |
| Schema Markup | Strukturierte Daten für Suchmaschinen und KI |
| Schulnotensystem | Notenskala 1,0 bis 6,0 dieser Seite |
| Sentiment-Analyse | Positiv-neutral-negativ-Einordnung von KI-Aussagen |
| Share of Voice | Prozentualer Nennungsanteil im Wettbewerbsvergleich |
| Sichtbarkeitslücke | Cluster, in dem Wettbewerber zitiert werden, die Marke nicht |
| Support auf Deutsch | Kundensupport in deutscher Sprache |
| Testurteil | Textliche Einordnung einer Note dieser Seite |
| Third-Party Authority | Glaubwürdigkeit externer Quellen für KI-Zitationen |
| Tonalitätsklassifizierung | Feinere Einordnung der Sentiment-Kategorie |
| Umsetzungstiefe | Wie weit ein Tool von Diagnose zu Umsetzung geht |
| Volumendaten | Häufigkeit, mit der eine Frage real gestellt wird |
| WDF*IDF | Begriffshäufigkeits-Analyse aus dem klassischen SEO |
| Wettbewerbsvergleich | Direkter Vergleich eigener Werte mit Wettbewerbern |
| Zero-Click-Suche | Suche ohne Klick dank direkter KI-Antwort |
| Zielgruppen-Simulation | Simulierte Nutzerreaktion auf einen Text vor Veröffentlichung |
Diese Begriffe in der Praxis anwenden
Ein Glossar erklärt die Sprache. Es sagt nicht, welches Tool für die eigene Marke die passenden Werte liefert. Wer wissen will, welches KI-SEO-Tool Engine-Abdeckung, Umsetzungstiefe und DACH-Tauglichkeit aus diesem Glossar am zuverlässigsten misst, findet die vollständige Rangliste mit Schulnoten und offengelegtem Kriterienkatalog auf der Übersichtsseite zu KI-SEO-Tools. Details zum Prüfverfahren hinter diesen Noten stehen auf der Methodik-Seite.