Scraping vs. API bei KI-Sichtbarkeit: Warum Sampling gewinnt

Es gibt ein echtes Argument dafür, die Consumer-Oberfläche zu erfassen, und es ist kein Marketing-Sprech. Die Consumer-App und die Entwickler-API sind unterschiedliche Produkte. Die Weboberfläche von ChatGPT hat ihren eigenen System-Prompt, ihr Gedächtnis, Personalisierung, Modell-Routing und — für die Markensichtbarkeit am entscheidendsten — ihre eigene Retrieval-Pipeline. Rufst du dasselbe Modell über die API auf, bekommst du nichts davon. Dieselbe Lücke gibt es bei Perplexity, dessen Sonar-API-Modelle sich anders verhalten als das Consumer-Produkt. Und für Google AI Overviews und den AI Mode gibt es überhaupt keine öffentliche API — die gerenderte Antwort zu erfassen ist dort die einzige Option. Aber „wir messen genau das, was Nutzer sehen“ ist zu viel behauptet. Um im großen Stil zu scrapen, brauchst du Proxys und entweder ausgeloggte Sessions oder eine Farm von Accounts. Was du erfasst, ist ein gedächtnisloser synthetischer Nutzer auf einer Rechenzentrums-IP — ebenfalls eine künstliche Bedingung, nur eine andere. Das ist höhere Genauigkeit als ein nackter API-Aufruf. Es ist nicht die absolute Wahrheit. Der leisere Preis ist die Zuverlässigkeit. Automatisiertes Scraping von Consumer-Chat-Oberflächen verstößt in der Regel gegen deren Nutzungsbedingungen. Die praktische Folge ist kein Gerichtssaal — es sind Bot-Erkennung, Rate-Limits und stille Datenlücken, sobald eine Oberfläche ein Redesign ausrollt. API-Zugang ist vertraglich geregelt und stabil. Für eine Agentur, die einem Kunden jeden Monat eine Zahl vorlegt, ist eine unerklärte Lücke ein ernstes Problem.

Hier ist die Tatsache, auf der die ganze Kategorie beruht und die selten klar ausgesprochen wird: Antworten großer Sprachmodelle sind nicht deterministisch, und das Retrieval driftet. Stell dieselbe Frage zweimal, und du bekommst womöglich zwei verschiedene Antworten; stell sie nächste Woche, und die Quellen haben sich verschoben. Jede einzelne Messung — gescrapt oder per API — ist eine Stichprobe aus einer Verteilung. Damit wird Datenqualität zur Frage des Sampling-Designs, entlang vier Dimensionen: 1. Durchläufe pro Prompt. Wie oft wird jeder Prompt pro Engine und pro Scan gestellt? Eine Marke, die in einem von zwei Durchläufen auftaucht, ist in keinem sinnvollen Sinn „zu 50 % sichtbar“ — das ist ein Münzwurf. Die Unsicherheit eines Anteils sinkt nur mit wachsender Stichprobe (Brown, Cai & DasGupta, 2001). 2. Frequenz. Wie oft misst das Tool neu — und kannst du täglich scannen, wenn ein Launch oder ein Nachrichtenzyklus die Antwort bewegt? 3. Abdeckung nach Markt und Sprache. KI-Antworten sind markt- und sprachspezifisch. Die Sichtbarkeit einer Marke bei „bestes CRM für Agenturen“, aus Deutschland auf Deutsch gefragt, ist eine andere Zahl als beim selben Prompt aus den USA auf Englisch. 4. Ausgewiesene Unsicherheit. Kommt die Zahl mit Stichprobengröße und Fehlermarge — oder ist sie ein nackter Prozentwert, der verbirgt, wie wacklig er ist? Es gibt außerdem eine Kostenasymmetrie, die den Ausgang leise entscheidet. Browserbasiertes Erfassen kostet pro Abfrage rund eine Größenordnung mehr als ein API-Aufruf. Scraping-first-Tools sind deshalb tendenziell stichprobenarm: Der Genauigkeitsgewinn wird mit Frequenz und Prompt-Abdeckung bezahlt. Ein Tool, das jeden Prompt einmal pro Woche scrapt, ist — für einen belastbaren Trend — schlechter als eines, das denselben Prompt viele Male pro Woche misst, ganz gleich mit welcher Erfassungsmethode. Für eine Kennzahl wie Share of Voice schlägt die Stichprobenzahl meist die Genauigkeit der einzelnen Stichprobe.

Zwei Dinge machen einen naiven KI-Sichtbarkeits-Prozentwert irreführend, und beide lassen sich mit ehrlicher Statistik beheben, nicht mit mehr Scraping. Extreme und kleine Stichproben. Der Lehrbuch-Standardfehler, die Wurzel aus p(1−p)/n, verhält sich bekanntlich schlecht nahe 0 % und 100 % sowie bei kleinem n — er kann sogar eine unmögliche Sichtbarkeit unter 0 % oder über 100 % nahelegen, und bei 0 % meldet er eine Marge von null: die falsche Gewissheit, dass eine Marke nie genannt wird. Das Wilson-Konfidenzintervall behebt das: Es bleibt innerhalb von 0–100 % und verhält sich gut, wenn die Stichprobe dünn ist — genau dort, wo die Werte pro Engine liegen. Korrelierte Durchläufe. Durchläufe sind keine unabhängigen Münzwürfe. Sie clustern stark nach Engine — ein web-gestütztes Modell nennt dich vielleicht häufig, während ein ungestütztes kaum jemanden erwähnt — und nach Tag. Tausende korrelierte Durchläufe zu poolen, als wären sie unabhängig, lässt die Marge weit enger erscheinen, als sie ist. Berücksichtigt man dieses Clustering (einen Designeffekt, in der Sprache der Stichprobentheorie), weitet sich das Intervall auf seine ehrliche Breite. Die praktische Konsequenz: Zwei Marken können denselben Prozentwert in der Überschrift tragen und trotzdem sehr unterschiedliche Konfidenz haben — und ein gutes Tool zeigt dir, welche welche ist. Das ist der Unterschied zwischen einer Zahl, die beruhigend aussieht, und einer, die du im Kundengespräch verteidigen kannst.

Unsere Haltung folgt direkt aus dem Argument oben. Hybride Erfassung, mit Absicht. Wo eine Consumer-Oberfläche keine API hat — Google AI Overviews, Google AI Mode, Microsoft Copilot — lesen wir die echte gerenderte Antwort, die ein Suchender sieht. Überall sonst rufen wir die web-gestützten APIs der Anbieter selbst auf. API-first ist kein Sparkompromiss; es ist die Architektur mit niedrigen Kosten pro Abfrage, die es uns erlaubt, mehr und öfter zu messen — und genau daher kommt Genauigkeit. Jede Rate kommt mit ihrem Beleg. Du siehst nie einen nackten Prozentwert. Jeder Wert in CrunchJunkie trägt seine Stichprobengröße („n = … Durchläufe“) und eine Fehlermarge, die randsicher ist und sich weitet, wenn deine Engines uneinig sind oder die Stichprobe dünn ist — so sieht eine wacklige Zahl auch wacklig aus, in der App, in Berichten und in geteilten Links gleichermaßen. Korrekt gepoolt. Raten werden als Erwähnungen über Durchläufe über die gesamte Grundgesamtheit berechnet und dann einmal geteilt — nie durch Mittelung von Raten, die kleine, glückliche Ausschnitte still übergewichtet. Wir veröffentlichen weder unsere genauen Durchlaufzahlen noch die Interna unserer Intervall-Mathematik, aber die Prinzipien sind der Kern der Sache — und du solltest jeden Anbieter daran messen, uns eingeschlossen.

Der ehrliche Weg, KI-Sichtbarkeits-Tools zu vergleichen, führt nicht über den Streit ums Scraping. Er führt über vier Fragen, die jeder Anbieter beantworten muss — Peec AI, wir, oder wer auch immer: 1. Wie oft führst du jeden Prompt aus, pro Engine, pro Scan? Ein Durchlauf ist ein Münzwurf; ein Trend braucht Wiederholungen. 2. Wie oft kann ich scannen, und ist täglich in meinem Tarif möglich? 3. Misst du pro Markt und pro Sprache? 4. Zeigst du eine Stichprobengröße und eine Fehlermarge — und weitet sich diese Marge, wenn die Stichprobe dünn ist oder die Engines uneinig sind? CrunchJunkie beantwortet alle vier mit Ja, in jedem Tarif, über neun KI-Engines, mit der Fehlermarge neben jeder Zahl. Das ist der Boden, auf dem wir uns gerne vergleichen lassen: nicht wer die schickere Oberfläche erfasst, sondern wessen Zahl ein Kunde auch nächsten Monat noch trauen kann. Wenn ein Tool dir einen selbstbewusst wirkenden Prozentwert ohne Stichprobengröße und ohne ± zeigt, ist dieses Selbstbewusstsein geliehen, nicht verdient.

Scraping ist nicht schlecht, und API-Sampling ist kein Schummeln — jedes misst eine leicht andere, leicht künstliche Oberfläche. Was darüber entscheidet, ob deine Veränderung von Monat zu Monat Signal oder Rauschen ist, ist das Sampling-Design: genug Durchläufe, oft genug, im richtigen Markt und der richtigen Sprache, mit ehrlich ausgewiesener Unsicherheit. Frag nach diesen Zahlen. Das beste Tool ist das, das sie beantworten kann.