--- title: "12 KI-Sichtbarkeits-Metriken, die du 2026 tracken solltest" url: "/de/blog/ai-visibility-metrics-that-matter" canonical_url: "https://crunchjunkie.io/de/blog/ai-visibility-metrics-that-matter" markdown_url: "https://crunchjunkie.io/de/blog/ai-visibility-metrics-that-matter.md" language: "de" last_updated: "2026-10-07" type: "blog" summary: "Die 12 KI-Sichtbarkeits-Metriken, die du 2026 tracken solltest, jeweils mit Formel, Mindeststichprobe und Leitplanke — aus 30 Tagen Echtdaten über neun Engines." site: "CrunchJunkie" llms_txt: "https://crunchjunkie.io/llms.txt" --- # 12 KI-Sichtbarkeits-Metriken, die du 2026 tracken solltest Source: https://crunchjunkie.io/de/blog/ai-visibility-metrics-that-matter Published: 2026-08-03 · Updated: 2026-10-07 · By Philipp Enders · KI-Sichtbarkeit · 11 min read Die KI-Sichtbarkeits-Metriken, die du 2026 tracken solltest, sind zwölf, in vier Gruppen. Präsenz: Sichtbarkeitsrate, Share of Voice, durchschnittliche Position und Prompt-Abdeckung. Quellen: Zitationsanteil und die Lücke zwischen zitiert und abgerufen. Qualität: Sentiment, Empfehlungsrate und Antwortgenauigkeit. Wirkung: KI-Referral-Conversions, Search-Console-KI-Impressionen und dein GEO-Readiness-Score. Miss jede pro Engine, über wiederholte Durchläufe, in einem rollierenden Fenster von mindestens zwei Wochen und mit der Stichprobengröße daneben. Alles einmalig Gemessene ist Rauschen, und ein einzelner Mischwert verdeckt die Streuung zwischen den Engines, aus der du ablesen kannst, was zu tun ist: An einem Tag reichte eine Marke über neun Engines von 65,4% bis 1,9%. Die Tabelle unten nennt zu jeder Metrik Formel, Mindeststichprobe und Leitplanke, aus 30 Tagen, in denen wir [CrunchJunkie](https://crunchjunkie.io/de/products/ai-visibility) auf unsere eigene Agentur angewendet haben. ## Die 12 Metriken auf einen Blick Eine Zeile pro Metrik. Die Abschnitte nach der Tabelle definieren jede einzelne in derselben Reihenfolge, mit unseren eigenen Zahlen, wo wir welche haben. Eine Rate ist hier immer gepoolt: Zähler und Nenner werden über dieselben Durchläufe summiert und einmal geteilt, nie aus Tages- oder Engine-Raten gemittelt. ## Eine Zahl, neun Engines: Faktor 34 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. ![CrunchJunkie-Übersicht zur KI-Sichtbarkeit einer Marke: eine gemischte Sichtbarkeitsrate von 26,9% mit ±4,1% Fehlermarge über 2.198 Durchläufe, daneben durchschnittliche Position, Sentiment, Share of Voice und Source-Performance](https://crunchjunkie.io/blog/img/ai-visibility-metrics-overview.webp) ## Warum KI-Sichtbarkeit kein Rank-Tracking ist 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"](https://arxiv.org/abs/2604.07585), 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. ## 1. Sichtbarkeitsrate: bist du überhaupt in der Antwort? 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. ## 2. Share of Voice: dein Anteil an den Nennungen 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. ## 3. Durchschnittliche Position: wo du landest, wenn du landest 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. ## 4. Prompt-Abdeckung: Breite statt Tiefe 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. ## 5. Zitationsanteil: welche Domains die Engines zitieren Bei den Quellen 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. 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. ## 6. Lücke zitiert vs. abgerufen: gelesen ist nicht genannt 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). ## 7. Sentiment: was die Antwort über dich sagt 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. ## 8. Empfehlungsrate: die Shopping-Prompts gewinnen 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. ## 9. Antwortgenauigkeit: stimmt, was sie sagt 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. ## 10. KI-Referral-Conversions: hat das etwas gebracht 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. ## 11. Search-Console-KI-Impressionen: Googles eigene Zählung Seit dem 3. Juni 2026 hat die [Google Search Console](https://developers.google.com/search) 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. ## 12. GEO-Readiness-Score: zulässig ist nicht zitiert Der 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". ## Die fünf Metriken, die täuschen 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. ## Exhibit A — Führen ist nicht stabil 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. ## Exhibit B — 97/100, und trotzdem nichts zu zitieren 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"](https://arxiv.org/abs/2311.09735), 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. ## Was tatsächlich aufs Dashboard gehört 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](https://crunchjunkie.io/de/products/ai-visibility) stellt diese KI-Metriken und die [GA4-Zahlen](https://crunchjunkie.io/de/products/ai-traffic) in denselben White-Label-Bericht, damit die Frage, die ein Kunde wirklich stellt — funktioniert das? — auf einer Seite beantwortet werden kann. ## Was sich seit Veröffentlichung geändert hat (September 2026) Drei Ergänzungen am Mess-Stack, seit diese Zahlen erhoben wurden — hier festgehalten, weil diese Seite die Referenz bleiben soll, statt Fortsetzungen anzusammeln. Der Roster umfasst jetzt zehn Engines — Meta AI kam als zehnte dazu, websuchgestützt wie die meisten anderen —, aktuelle Dashboards zeigen also eine Engine mehr als die Juli-Tabellen oben. Die Retrieval-Seite wurde direkt beobachtbar: Mehrere Engines legen die wörtlichen Websuchen offen, die sie vor dem Antworten ausführen, und [der Mitschnitt dieser Fanout-Queries](https://crunchjunkie.io/blog/query-fanouts-the-searches-ai-runs) macht aus „welche Quellen speisen die Antwort“ eine Tabelle statt einer Schlussfolgerung. Und die Angebotsseite bekam ein unbestechliches neues Instrument: Server-Logs auf KI-Crawler-Blocks lesen — [unsere erste Vierzehn-Tage-Studie](https://crunchjunkie.io/blog/ai-crawlers-blocked-by-firewalls) fand 11,6 % der KI-Zugriffe an einer Firewall abprallen, auf einer Seite, deren robots.txt alle erlaubte. Nichts davon ändert die Juli-Zahlen oder das Argument; es ändert, was ein vollständiges Dashboard zeigt. ### FAQ **Was ist die wichtigste Metrik für KI-Sichtbarkeit?** Die Sichtbarkeitsrate — Durchläufe mit Nennung geteilt durch Gesamtdurchläufe, pro Engine und mit Durchlaufzahl. Alle anderen Metriken interpretieren sie nur. Engines zu einem Score zu verrechnen wirft das einzige umsetzbare Signal weg: In unseren Daten reichte eine Marke am selben Tag von 65,4% bei Perplexity bis 1,9% bei DeepSeek. **Wie berechnet man Share of Voice in der KI-Suche?** Eigene Nennungen geteilt durch die Nennungen aller getrackten Marken im selben Antwortset. Ohne die zugrunde liegende Sichtbarkeitsrate bedeutungslos: In unseren Daten ergab eine Engine 100% Share of Voice bei 1,9% Sichtbarkeit, weil sie sonst keine Marke nannte. Zeig Share of Voice immer neben Sichtbarkeitsrate und Durchlaufzahl. **Wie oft muss ein Prompt laufen, damit das Ergebnis belastbar ist?** Mindestens sieben Durchläufe pro Prompt und Tag für markenbezogene Sichtbarkeit, acht, wenn die zitierten Quellen zählen. Darunter liegt der Standardfehler über 0,10. Eine Einzelmessung hat einen Standardfehler von 0,370 — praktisch nichtssagend (Schulte, Bleeker & Kaufmann, Universität St. Gallen, 2026). **Kann ich KI-Sichtbarkeit in der Google Search Console messen?** Teilweise, seit Juni 2026. Die Generative-AI-Berichte zeigen Impressionen aus AI Overviews, AI Mode und Discover nach Seite, Land, Gerät und Datum. Klicks, CTR und Query-Daten fehlen, und es sind nur Google-Oberflächen — nichts aus ChatGPT, Claude oder Perplexity. **Warum unterscheidet sich meine KI-Sichtbarkeit je Engine so stark?** Unterschiedliche Retrieval-Stacks, unterschiedliche Index-Aktualität und unterschiedliche Bereitschaft, überhaupt im Web zu suchen. In unseren Daten erreichte eine Marke 65,4% bei Perplexity und 1,9% bei DeepSeek — gleiche Prompts, gleicher Tag. Genau deshalb täuscht ein einzelner Mischwert: Er mittelt das Einzige weg, worauf du reagieren kannst. **Welche Quellen zitieren KI-Engines am häufigsten?** In unserer eigenen Kategorie über 30 Tage: zuerst unsere eigene Domain, dann unser stärkster Wettbewerber und unsere eigene deutsche Agentur, danach Herstellerdokumentation, ein regionales Verzeichnis, YouTube, Reddit und ein Agentur-Marktplatz. Verzeichnisse, Profile und sogar ein Handelsregistereintrag wogen schwerer als die meisten Marketing-Blogs — der Zitationsreport ist damit zugleich eine Outreach-Liste. ### Methodology & data Die First-Party-Zahlen stammen aus einem laufenden CrunchJunkie-AI-Visibility-Projekt zu unserer eigenen spanischen Agentur Pmax Online mit 1.991 Scan-Durchläufen zwischen dem 5. Juli und 3. August 2026 über neun Engines — Perplexity, ChatGPT, Claude, Grok, Google AI Mode, Google AI Overviews, Gemini, Microsoft Copilot und DeepSeek —, wobei unsere Marke gegen acht weitere Agenturen im Set verfolgt wird, von denen eine (Tiki-Taka Media, tikitaka.digital) unsere eigene deutsche Agentur ist. Wettbewerberwerte sind unverändert aus denselben Run-Sets veröffentlicht. Tagessnapshots umfassten je nach Datum 41–105 Durchläufe pro Engine; die Tabelle vom 3. August basiert auf 41–53 Durchläufen pro Engine. Das GEO-Audit in Exhibit B lief am 29. Juli 2026 über sechs geprüfte Seiten einer einzelnen Domain. Externe Kennzahlen sind inline belegt; wo publizierte Schätzungen auseinandergehen — insbesondere bei Conversion-Raten aus KI-Referrals — zeigen wir die Spanne statt des schmeichelhaften Endes. Wir erheben diese Zahlen monatlich neu und aktualisieren diese Seite, statt sie neu zu veröffentlichen. Revision September 2026: Der getrackte Roster ist seither auf zehn Engines gewachsen (Meta AI); die Juli-Zahlen auf dieser Seite bleiben die ursprünglichen Neun-Engine-Messungen und sind so gekennzeichnet. ### Sources - [Schulte, Bleeker & Kaufmann — Don't Measure Once: Measuring Visibility in AI Search (Universität St. Gallen)](https://arxiv.org/abs/2604.07585) - [Aggarwal et al. — GEO: Generative Engine Optimization (KDD 2024)](https://arxiv.org/abs/2311.09735) - [Google Search Central — Dokumentation zu Suche und KI-Funktionen](https://developers.google.com/search)