KI-Sichtbarkeit: 12 Metriken, die zählen — 5, die täuschen

Am 3. August 2026 haben wir eine unserer eigenen Marken — Pmax Online, unsere spanische Agentur — über neun KI-Engines gemessen, mit identischem Prompt-Set am selben Tag. Die Sichtbarkeitsrate reichte von 65,4% bei Perplexity bis 1,9% bei DeepSeek. Gleiche Marke, gleiche Fragen, gleiche 24 Stunden — Faktor 34. Jedes Dashboard, das daraus einen "AI Visibility Score" verrechnet, hat die einzige Information in den Daten vernichtet. Ein Mischwert liegt hier bei rund 29% — eine Zahl, die keine der neun Engines beschreibt und auf keine Maßnahme zeigt. Die Engine-Sicht sagt etwas Konkretes: Diese Marke besitzt Perplexity und ChatGPT, ist bei Grok und Google AI Mode konkurrenzfähig und bei Google AI Overviews, Copilot und DeepSeek praktisch abwesend. Das sind drei verschiedene Strategien, nicht eine.

Klassisches SEO liefert ein halbwegs deterministisches Spektrum: Position 7 wird zu Position 4. Generative Engines funktionieren anders. Forschende der Universität St. Gallen beschreiben eine Inklusions-Exklusions-Dynamik — du bist in der Antwort oder komplett verschwunden, dazwischen wenig (Schulte, Bleeker & Kaufmann, "Don't Measure Once: Measuring Visibility in AI Search", arXiv:2604.07585, April 2026). Die Ergebnisse sind das Wichtigste, was zu diesem Thema veröffentlicht wurde, und die meisten Dashboards ignorieren sie. Lies die dritte Zeile der Tabelle unten zweimal: Wird derselbe Prompt im Minutenabstand an dieselbe Engine geschickt, überschneiden sich die zitierten Quellen zu etwa einem Drittel. Das ist kein Algorithmus-Update, sondern die Wahrscheinlichkeitsnatur des Modells. Ein Screenshot, auf dem ChatGPT deinen Wettbewerber nennt, ist kein Befund — es ist ein fotografierter Münzwurf. Alle folgenden KPIs setzen aggregierte Wiederholungsmessung voraus. Wer einmal täglich oder einmal pro Prompt misst, produziert Dekoration.

Die Sichtbarkeitsrate (Durchläufe mit Nennung ÷ Gesamtdurchläufe, pro Engine) ist die Basis-KPI, und die Neun-Engine-Tabelle oben zeigt, wie "sauber ausgewiesen" aussieht: ein Prozentwert, sein Nenner und die Engine, zu der er gehört. Die meisten B2B-Marken erscheinen in unter 10% ihrer relevanten Prompts; über 20% in einem kaufnahen Set ist stark. Die Fehlerquelle: Engines zu einem Score verrechnen oder einen Prozentwert ohne Durchlaufzahl ausweisen. Share of Voice (eigene Nennungen ÷ Nennungen aller getrackten Marken im selben Antwortset) ist die am häufigsten fehlgelesene Zahl dieser Liste. Gleiche Marke, gleicher Tag: Bei DeepSeek ergab sich ein Share of Voice von 100% bei 1,9% Sichtbarkeit — eine Nennung in 52 Durchläufen, in einer Kategorie, in der diese Engine sonst niemanden nannte. "100% Share of Voice" ist hier rechnerisch korrekt und inhaltlich falsch. Share of Voice misst, wer genannt wird, wenn überhaupt jemand genannt wird; wenn fast niemand genannt wird, misst er nichts. Nie ohne Sichtbarkeitsrate und Durchlaufzahl daneben. Die durchschnittliche Position — wo du landest, wenn du landest — bewegt sich unabhängig von der Präsenz. Ein gutes Tool meldet null, wenn eine Marke im Fließtext ohne extrahierbaren Rang genannt wird (deshalb oben bei Copilot und DeepSeek kein Wert); ein schlechtes erfindet eine Zahl. Dieselbe Marke hat auf Claude die niedrigste Präsenz (29,4%), aber die beste Position überhaupt (1,3): selten genannt, und dann zuerst. Die Prompt-Abdeckung (Prompts mit mindestens einer Nennung ÷ getrackte Prompts) ist die Breite zur Tiefe der Sichtbarkeitsrate. 30% auf drei Prompts konzentriert sind fragiler als 15% über zwanzig. Ein Monitoring mit ein oder zwei Prompts misst deren Eigenheiten — nicht deine Marke.

Hier hört KI-Sichtbarkeit auf, wie SEO auszusehen, und beginnt, wie PR auszusehen. Der Zitationsanteil ist, welche Domains die Engines bei deinen Prompts tatsächlich zitieren — die Angebotsseite, denn du kannst nicht genannt werden, wenn die gelesenen Seiten dich nicht nennen. Über 1.991 Durchläufe in 30 Tagen zitierten die Engines 1.256 verschiedene Domains. Drei Beobachtungen, die mehr wert sind als die meisten GEO-Checklisten. Erstens: Zwei der drei meistzitierten Domains hier sind unsere — unsere eigene Website und unsere deutsche Agentur tikitaka.digital — mit unserem stärksten Wettbewerber rex4media.com dazwischen. Beantwortet eine Engine "beste Agentur in X", liest sie deren Seiten und unsere und entscheidet dann: Der Content eines Wettbewerbers ist Teil deiner Messumgebung, und deiner ist Teil seiner. Zweitens: Verzeichnisse und Profile leisten überproportional viel — eine einzige Verzeichnisseite wurde 106-mal zitiert, ein deutschsprachiger "beste Agentur auf der Insel"-Ratgeber 89-mal, unsere LinkedIn-Unternehmensseite 66-mal, unser Clutch-Profil 36-mal und, überraschend, unser Eintrag im spanischen Unternehmensregister einforma.com 46-mal. In keiner GEO-Checkliste steht "Handelsregistereintrag prüfen"; die Daten sagen, er wird gelesen. Drittens: Die Dominanz der eigenen Domain ist Ziel und Risiko zugleich — ein großer Teil deiner Sichtbarkeit ruht dann auf Seiten, die du selbst kontrollierst, und Engines gewichten selbstreferenzielle Quellen ab, sobald eine Frage explizit vergleichend ist. Zwei Verfeinerungen zählen. Eine bei der Recherche abgerufene und eine in der Antwort zitierte Domain sind zwei verschiedene Dinge; wer beides vermischt, bläht seine Zahlen auf — in unserem Fenster trugen 1.427 von 1.991 Durchläufen die Unterscheidung, und die Lücken sind aufschlussreich (ein Marktplatz kam auf 140 zitierte gegen 52 abgerufene, eine Wettbewerber-Domain auf 83 zitierte und null abgerufene). Und die Quellenkonzentration ist hoch: Die St.-Gallen-Studie fand einen mittleren Gini von 0,715 über die Engines, sodass auf manchen Engines eine Handvoll Domains die Kategorie besitzt und dein realistischer Weg hinein über deren Zitate führt, nicht daran vorbei.

Sentiment wird pro Nennung bewertet und pro Engine aggregiert, und der Wettbewerbsvergleich zählt mehr als der Absolutwert. Auf Claude erreichte am 3. August der stärkste Wettbewerber unseres Sets 35,3% Sichtbarkeit bei Sentiment 94 — gegen unsere 29,4% bei 81, also häufiger genannt und wärmer beschrieben. Die Sichtbarkeit allein zeigte eine Lücke von vier Punkten; das Sentiment zeigte die echte. Die Empfehlungs- bzw. Win-Rate gilt für Shopping- und Commerce-Prompts: Von den Durchläufen, in denen die KI irgendein getracktes Produkt empfahl — welcher Anteil enthielt deins? Sie bleibt null, solange es keinen entscheidenden Durchlauf gibt — eine Win-Rate von 0% über zwei Durchläufe bedeutet nichts. Die Antwortgenauigkeit ist unterschätzt und wird schnell wichtiger. Wenn die KI deine Preise, Leistungen oder Standorte beschreibt — stimmt es? Eine selbstbewusst falsche Antwort bei 40% Sichtbarkeit ist schlimmer als Abwesenheit; führe die Fehlerquote auf Marken-Prompts als eigene KPI, denn daraus wird sonst ein Support-Ticket.

Besucher aus KI-Antworten konvertieren gut, aber die publizierten Zahlen für 2026 widersprechen sich um eine Größenordnung — von rund 4,4× organisch (Semrush, branchenübergreifend) bis 23× in Ahrefs' Auswertung des eigenen Traffics, wo KI-Suche 0,5% der Besuche, aber 12,1% der Anmeldungen ausmachte; Adobe Analytics fand für März 2026 eine um 42% bessere Conversion von KI-Referrals, nachdem derselbe Kanal ein Jahr zuvor 38% schlechter lag. Die meisten stammen von Anbietern, die Volumina sind klein — nutze die Richtung, nicht den Faktor. Zwei First-Party-Signale lohnen sich zusätzlich. Seit dem 3. Juni 2026 hat die Google Search Console eine eigene Generative-AI-Ansicht für AI Overviews, AI Mode und Discover — erstmals First-Party-Impressionsdaten für KI-Oberflächen, allerdings nur Impressionen nach Seite, Land, Gerät und Datum, ohne Klicks oder Query-Daten und nur für Google-Oberflächen. Und dein GEO-Readiness-Score — ein technisches Audit über Crawler-Zugriff, serverseitiges Rendering, strukturierte Daten und llms.txt — ist ein Frühindikator, kein Ergebnis. Exhibit B zeigt, wie sehr "früh".

1. Absolute Nennungszahl. 90 Nennungen bedeuten ohne Nenner nichts — 90 von 100 ist Dominanz, 90 von 900 ein Rundungsfehler. Immer Verhältnis und Durchlaufzahl zusammen ausweisen. 2. Share of Voice ohne Sichtbarkeitsrate. Siehe oben: 100% Share of Voice bei 1,9% Sichtbarkeit. Nie ohne Sichtbarkeitsrate und Durchlaufzahl daneben. 3. Jede Einzelmessung. Der Standardfehler einer Einzelmessung liegt bei 0,370 — eine echte Sichtbarkeit von 50% kann als alles zwischen 0% und 100% erscheinen. So werden weiterhin die meisten "KI-Sichtbarkeits-Audits" verkauft. 4. Zusammengesetzte "AI Visibility Scores". Anbieter-Blackboxen aus Präsenz, Sentiment und Position: nicht falsifizierbar, nicht vergleichbar und sie verbergen genau die Engine-Varianz, derentwegen man misst. 5. Sentiment oder Position bei winzigem n. In unseren Daten vom 3. August erreichte ein Wettbewerber Sentiment 100 und Position 1,0 — bei einer einzigen Nennung in 51 Durchläufen. Qualitätsmetriken brauchen eine Untergrenze; wir weisen Sentiment unter fünf Nennungen nicht aus.

Die Marke aus der Tabelle oben ist die meistzitierte Domain ihrer Kategorie und führt auf zwei großen Engines. Trotzdem verliert sie Google AI Mode und Claude gegen einen kleineren Wettbewerber, liegt auf drei Engines unter 8% und bewegte sich bei Perplexity von 15,8% (7. Juli) über 70,0% (27. Juli) auf 65,4% (3. August). Führen ist nicht dasselbe wie stabil sein — und beides ist auf einem Tagesscreenshot nicht erkennbar.

Ein technisches GEO-Audit vom 29. Juli ergab einen Gesamtscore von 97/100, Einstufung AI-ready: alle 15 antwortrelevanten Crawler zugelassen, serverseitig gerendert und ohne JavaScript lesbar, valide llms.txt, Agent Readiness 100/100. Nach jeder Checkliste, die derzeit kursiert, ist das erledigt. Das Audit sah es anders. Es markierte drei Content-Lücken mit hoher Priorität auf derselben Website: keine autoritativen ausgehenden Zitationen, direkte Zitate auf nur einer von sechs geprüften Seiten, belegte Statistiken fehlend auf zwei von sechs. Das deckt sich präzise mit den stärksten Signalen der Grundlagenforschung — Aggarwal et al. ("GEO: Generative Engine Optimization", KDD 2024) testeten rund 10.000 Anfragen und fanden, dass Statistiken, Zitate und Quellenangaben die Sichtbarkeit um bis zu 40% steigern, während klassische Keyword-Dichte die Zitationswahrscheinlichkeit kaum bewegte. Genau hier scheitert der Großteil der GEO-Arbeit. Crawler-Zugriff macht dich teilnahmeberechtigt; zitierfähiges Material macht dich zitiert. Eine Website kann technisch makellos sein und einer Antwortmaschine trotzdem nichts liefern, das sich zu übernehmen lohnt — und die Zitationsdaten oben zeigen, was dann die Lücke füllt: Verzeichnisse, Marktplatzprofile, Ratgeber Dritter und die Seiten deiner Wettbewerber.

Für ein monatliches Kundenreporting: sechs Zahlen und zwei Listen. Neben der Tabelle unten dazu die Top-10-Zitationsdomains — deine Outreach-Liste, und wie die Daten zeigen stehen dort Verzeichnisse, Profile und Register, die du nie priorisiert hättest — und die Content-Gaps: Prompts, in denen Wettbewerber in jeder aktuellen Antwort genannt werden und du in keiner. Diese zweite Liste ist das Nächste, was KI-Sichtbarkeit an einen Keyword-Gap-Report hat, und dort beginnt die Arbeit. Taktung: mindestens 7 Durchläufe pro Prompt und Tag, ein Prompt-Portfolio im zweistelligen Bereich und ein rollierendes Fenster von zwei bis vier Wochen vor jeder Schlussfolgerung. Monatsvergleich, nie Tagesvergleich. CrunchJunkie stellt diese KI-Metriken und die GA4-Zahlen in denselben White-Label-Bericht, damit die Frage, die ein Kunde wirklich stellt — funktioniert das? — auf einer Seite beantwortet werden kann.