Der Begriff KI-Sichtbarkeit wird in der Praxis oft wie eine einzelne Prozentzahl behandelt, dabei steckt hinter jeder seriösen Messung ein Bündel aus mehreren Kennzahlen und eine Reihe methodischer Entscheidungen. Dieser Artikel zerlegt die Messung in ihre Bestandteile: Share of Voice, Zitationsrate und Sentiment als Kennzahlen, sowie Prompt-Set, Erhebungsquelle und Aktualisierungsturnus als die drei Stellschrauben, die entscheiden, wie belastbar eine Zahl am Ende ist.
1. Drei Kennzahlen, ein Gesamtbild
Ein KI-Assistent kann eine Marke auf drei unterschiedliche Arten behandeln, und jede Art verdient eine eigene Zahl. Er kann die Marke im Antworttext nennen oder auslassen, das ist die Grundlage für Share of Voice. Er kann eine Website der Marke als Quelle heranziehen oder eine andere Domain bevorzugen, das misst die Zitationsrate. Und wenn er die Marke nennt, kann er das lobend, neutral referierend oder abwertend tun, das erfasst Sentiment. Ein Programm, das nur zählt, wie oft ein Markenname im Text vorkommt, übersieht die anderen beiden Dimensionen vollständig.
Die drei Zahlen bewegen sich zudem unabhängig voneinander. Eine Marke kann in vielen Antworten auftauchen, aber selten als Quelle zitiert werden, weil das Sprachmodell sein Wissen aus dem Training statt aus einer aktuellen Website bezieht. Umgekehrt kann eine Domain hoch zitiert sein, ohne dass die Marke selbst im Fließtext genannt wird, etwa wenn ein Vergleichsartikel eines Dritten als Quelle dient. Wer nur eine der drei Zahlen prüft, verwechselt leicht Ursache und Symptom.
2. Die drei Kennzahlen im Detail
2.1 Share of Voice
Share of Voice beschreibt den Anteil eines festgelegten Prompt-Sets, in dem die eigene Marke gegenüber namentlich genannten Wettbewerbern auftaucht. Prüft ein Programm 100 relevante Prompts über mehrere Engines hinweg und die eigene Marke erscheint bei 30 dieser Prompts, während der stärkste Wettbewerber bei 45 auftaucht, liegt der eigene Share of Voice in diesem Set bei 30 Prozent, unabhängig von der absoluten Trefferzahl. Die Kennzahl ist relativ, nicht absolut, und genau das macht sie für die Wettbewerbseinordnung nützlich. Peec AI aus Berlin baut seine Kernauswertung ausdrücklich auf dieser Logik auf: Die Plattform vergleicht, welcher Anteil relevanter Prompts die eigene Marke gegenüber definierten Wettbewerbern nennt, mit täglicher Aktualisierung. Details dazu stehen im Prüfbericht zu Peec AI.
Wichtig ist die Wahl des Vergleichssets. Ein zu breites Prompt-Set verwässert die Zahl, ein zu enges Set überbewertet einzelne Nischenfragen. Seriöse Programme legen das verwendete Set offen, statt nur die fertige Prozentzahl auszuweisen.
2.2 Zitationsrate
Die Zitationsrate misst, wie oft eine bestimmte URL oder Domain tatsächlich als Quelle in eine generierte Antwort einfließt, unabhängig davon, ob die Marke im sichtbaren Text genannt wird. Diese Kennzahl unterscheidet sich von der reinen Mention-Rate, weil ein Sprachmodell Wissen über eine Marke aus dem Training ziehen kann, ohne im aktuellen Moment eine Quelle zu verlinken, und weil umgekehrt eine zitierte Quelle nicht zwingend die Marke selbst im Antworttext benennt. Programme mit ausgeprägter Zitationsanalyse zeigen zusätzlich, welche eigenen Seiten am häufigsten zitiert werden und welche Domains bei denselben Prompts stattdessen zum Zug kommen, sodass sich konkrete Lücken identifizieren lassen.
Für die deutschsprachige Zielgruppe kommt eine weitere Ebene hinzu: Zitiert ein Sprachmodell bei einer deutschen Suchanfrage überhaupt deutschsprachige Quellen, oder fällt es auf englischsprachige Inhalte zurück? Diese Frage gehört zur deutschen Sprachabdeckung als Prüfkriterium und wird im Prüfergebnis zu den KI-SEO-Tools für jedes Programm gesondert bewertet.
2.3 Sentiment
Sentiment erfasst den Ton, in dem eine Marke innerhalb einer Antwort dargestellt wird, meist klassifiziert als positiv, neutral oder negativ, bei manchen Programmen feiner nach Favorability gestaffelt. Diese Kennzahl beantwortet eine Frage, die Share of Voice und Zitationsrate offenlassen: Wird die Marke empfohlen, nur aufgezählt, oder sogar mit einer Einschränkung genannt? Eine Marke, die in vielen Antworten vorkommt, aber überwiegend als teurere oder weniger geeignete Alternative dargestellt wird, hat ein Sentiment-Problem, das eine reine Nennungszahl verdeckt.
Sentiment-Auswertungen lohnen sich besonders im Vergleich über mehrere Assistenten hinweg, weil einzelne Engines dieselbe Marke unterschiedlich einordnen können. Eine Untersuchung von BrightEdge fand bei 61,9 Prozent der geprüften Anfragen widersprüchliche Markennennungen zwischen Google AI Overviews, Google AI Mode und ChatGPT, nur bei 33,5 Prozent stimmten alle drei Engines überein. Ein positives Sentiment bei einer Engine sagt deshalb wenig über den Ton bei einer anderen aus.
3. Wie diese Kennzahlen erhoben werden
3.1 Das Prompt-Set als Fundament
Jede der drei Kennzahlen entsteht aus demselben Rohmaterial: einem festgelegten Satz von Prompts, die das Programm regelmäßig an die geprüften Assistenten stellt. Die Qualität dieses Sets entscheidet über die Aussagekraft aller drei Zahlen. Ein belastbares Set deckt die tatsächlichen Suchmuster der Zielgruppe ab, direkte Produktfragen ebenso wie Vergleichs- und Problemstellungen, und enthält genug Prompts pro Themenfeld, damit einzelne Ausreißer das Ergebnis nicht verzerren. Die Prompt-Kontingente unterscheiden sich zwischen den Programmen in diesem Prüffeld erheblich: Einstiegsstufen decken teils nur 15 bis 50 Prompts ab, mittlere Stufen reichen bis 150, und Programme für größere Marken erlauben 350 Prompts oder mehr. Ein zu kleines Kontingent begrenzt vor allem die Zitationsrate und das Sentiment, weil beide Kennzahlen genug Wiederholungen pro Thema brauchen, um stabil zu sein.
3.2 Erhebungsquelle: echte Oberfläche oder API
Die zweite Stellschraube ist die Quelle, aus der ein Programm seine Antworten sammelt. Eine API-Abfrage sendet den Prompt direkt an die Entwicklerschnittstelle eines Sprachmodells und ist günstig, schnell und leicht auf große Mengen skalierbar, bildet aber nicht immer das ab, was ein Nutzer tatsächlich in der Chat-Oberfläche zu sehen bekommt. Consumer-Oberflächen wie ChatGPT oder Copilot legen zusätzliche Schichten aus Websuche, Kontext und eigenen Systemanweisungen über das reine Modell, und Google AI Overviews existiert überhaupt nur als Baustein innerhalb einer Suchergebnisseite, nicht als eigenständige Schnittstelle. Programme, die stattdessen die echten Nutzeroberflächen abrufen, erfassen genau diese zusätzlichen Schichten mit, was für Share of Voice und Sentiment die höhere Detailtreue liefert, weil beide Kennzahlen genau das abbilden sollen, was ein Interessent tatsächlich liest. Der Preis dafür ist höherer Erhebungsaufwand, denn jede Oberflächenänderung eines Anbieters erfordert eine Anpassung der Erhebungstechnik.
3.3 Aktualisierungsturnus
Die dritte Stellschraube ist, wie oft ein Programm seine Erhebung wiederholt. Eine tägliche oder alle zwei Tage laufende Aktualisierung liefert die Grundlage für wöchentliche Entscheidungen, dem Rhythmus, in dem die meisten Content- und PR-Teams tatsächlich arbeiten. Ein monatlicher Turnus, wie ihn einzelne forschungsorientierte Programme für Chatbot-Daten nutzen, eignet sich für breite Marktbeobachtung, kann aber nicht zeigen, ob eine am Dienstag veröffentlichte Änderung bereits gewirkt hat. Zu häufige Messung löst das Problem allerdings nicht automatisch: Weil Sprachmodelle nicht deterministisch antworten, schwanken Tageswerte allein durch Zufall. Der Wochenvergleich gilt in der Praxis als kürzestes Zeitfenster, dessen Bewegung sich noch verlässlich einer echten Ursache zuordnen lässt.
4. Grenzen der Messung
Keine der drei Kennzahlen liefert einen exakten, endgültigen Wert. Jede Zahl ist eine Stichprobe aus einem nicht deterministischen System, keine Zählung wie bei einer klassischen Rangposition. Absolute Werte zwischen zwei Programmen lassen sich deshalb kaum vergleichen, weil unterschiedliche Prompt-Sets, Erhebungsquellen und Prüfzeitpunkte unterschiedliche Zahlen erzeugen, selbst bei identischer Marke. Innerhalb eines einzigen Programms bleibt der Trendverlauf über mehrere Wochen dagegen aussagekräftig, weil die Erhebungsmethode dort konstant bleibt.
Die Relevanz der Kategorie unterstreicht, warum sich der Aufwand für eine saubere Messung lohnt. In den USA enden inzwischen 58,5 Prozent aller Google-Suchen ohne einen Klick auf eine Website, und 51 Prozent der B2B-Softwarekäufer starten ihre Recherche mittlerweile direkt in einem KI-Chatbot, ein Jahr zuvor waren es erst 29 Prozent. Wer diese Entwicklung nicht mit belastbaren Kennzahlen begleitet, trifft Entscheidungen auf Basis von Vermutungen statt Daten.
5. Kennzahlen in der Praxis anwenden
Für die tägliche Arbeit lohnt sich eine feste Reihenfolge: Zuerst Share of Voice prüfen, um zu sehen, wo die Marke im Vergleich zum Wettbewerb steht. Dann die Zitationsrate heranziehen, um konkrete Seiten zu identifizieren, die als Quelle fehlen. Zum Schluss das Sentiment betrachten, um zu klären, ob eine hohe Nennungsrate auch tatsächlich positiv wirkt. Ein Programm, das alle drei Zahlen aus einer einzigen Prompt-Erhebung liefert und die Lücken direkt mit Content-Vorschlägen verknüpft, spart gegenüber drei getrennten Werkzeugen deutlich Abstimmungsaufwand. Der Prüfbericht zu Temso zeigt exemplarisch, wie ein Programm Share of Voice, Zitationsquellen und Sentiment aus derselben Datengrundlage über ChatGPT, Perplexity, Google AI Overviews, Gemini und Copilot erhebt und die identifizierten Lücken direkt an Content-Erstellung und technische Audits weiterreicht.
6. Nächste Schritte
Wie die einzelnen Programme in diesem Prüffeld bei Messgenauigkeit, Funktionsumfang und den DACH-Merkmalen abschneiden, zeigt das vollständige Prüfergebnis zu den KI-SEO-Tools mit Note, Preis in Euro und Stand-Datum. Der komplette Kriterienkatalog samt Gewichtung steht auf der Testverfahren-Seite offen, und zwei Programme lassen sich im Direktvergleich unmittelbar nebeneinanderstellen.