Markensichtbarkeit in Google AI Overviews und AI Mode tracken

AI Overviews ist eine Anreicherung: Es erscheint über den klassischen Ergebnissen bei Suchanfragen, die Google dafür geeignet hält, synthetisiert eine kurze Antwort aus Seiten seines Index und verlinkt die Quellen. Der Nutzer hat sich kein KI-Erlebnis ausgesucht — es ist seiner Suche passiert. AI Mode ist das Gegenteil: eine bewusste Konversationsoberfläche, in der natürlich gefragt wird und Rückfragen erwartet sind — viel näher an einer ChatGPT-Sitzung, die zufällig auf Googles Index läuft. Sie unterscheiden sich in Auslöser, Länge, Ton und — messbar — darin, wen sie nennen. Auf unserem eigenen Konto produzierte AI Mode letzten Monat rund doppelt so viele Markennennungen wie AI Overviews (91 gegen 46, von 2.940 Läufen). Gleiche Marke, gleiches Google, gleicher Monat. Jedes Tool und jeder Artikel, der „Google-KI“ als eine Oberfläche behandelt, mittelt zwei verschiedene Spiele.

Keine der beiden Oberflächen hat eine öffentliche API, ehrliches Tracking liest also die gerenderte Antwort — das, was eine suchende Person wirklich sieht — aus sauberen, neutralen Sitzungen. Dieser Erfassungsweg hat Eigenschaften, die man respektieren muss. Er muss standorttreu sein: Aus Deutschland auf Deutsch ausgelöste AI Overviews sind andere Antworten als dieselbe Query auf Englisch aus den USA — Pro-Markt-Checks zählen hier mehr als irgendwo sonst. Und er muss gesampelt werden wie alles in diesem Feld: AI Overviews wird nicht einmal bei jeder Suche jedes Mal ausgelöst, Präsenz ist also eine Rate über wiederholte Läufe, nie ein Screenshot (das Sampling-Argument aus Scraping vs. API gilt doppelt für Oberflächen, bei denen Rendern der einzige Weg ist). Genau so misst CrunchJunkie beide Oberflächen — gerenderte Antworten, neutrale Sitzungen, Markt und Sprache pro Prompt, wiederholte Läufe mit Margen — neben den API-Engines, im selben Report mit derselben Stichproben-Disziplin.

Engines wie ChatGPT und Claude zerlegen einen Prompt vor dem Antworten in eigene Websuchen — Fanout-Queries, die sie offenlegen und die wir wörtlich mitschneiden. Googles KI-Oberflächen tun das nicht, konstruktionsbedingt: Sie sitzen bereits auf einer Suchmaschine, die Query des Nutzers ist das Retrieval. Es gibt keine versteckte Zwischensuche zum Optimieren. Die strategische Konsequenz ist größer, als sie klingt. Für ChatGPT-Sichtbarkeit optimierst du auf maschinell erzeugte Suchstrings, die vom Prompt abweichen. Für AI Overviews und AI Mode ist das Ziel die Query selbst — sprich: Die Oberfläche belohnt genau das Asset, das du vielleicht schon hast: Seiten, die für die echte Suche des Käufers ranken. Klassische organische Stärke überträgt sich nicht perfekt in AI-Overviews-Aufnahme, aber sie ist die Eintrittskarte; Seiten außerhalb des Index werden schlicht nicht synthetisiert.

Seit Mitte 2026 meldet die Search Console generative KI-Performance für Googles Oberflächen — die ersten First-Party-Daten dieser Kategorie. Kenn ihre Grenzen, bevor du dich darauf stützt: nur Impressionen (keine Klicks, keine CTR, kein Query-Detail für KI-Oberflächen), nur Google-Properties, und nichts über den Inhalt der Antwort. Sie sagt dir, dass deine Seiten in KI-Erlebnissen auftauchten; sie kann nicht sagen, ob deine Marke genannt wurde, wie du beschrieben wurdest oder wer stattdessen genannt wurde. Darauf baust du die Arbeitsteilung: Search Console für Googles eigene Impressions-Telemetrie, Antwort-Tracking für die Hälfte, nach der Kunden wirklich fragen — waren wir in der Antwort, vor wem, wie beschrieben. Die beiden widersprechen sich auf informative Weise; eine Seite mit KI-Impressionen, aber ohne Markennennungen wird als Rohmaterial benutzt, ohne empfohlen zu werden — eine eigene Diagnose.

Zieh die Folklore ab und drei Hebel bleiben. Erstens: Index-Präsenz und Rang für die Käufer-Queries selbst — beide Oberflächen synthetisieren aus Seiten, die Google für die Query bereits rankt, die alte Arbeit ist die neue Arbeit. Zweitens: Hebbarkeit — klare Aussagen, belegte Statistiken und zitierfähige Passagen erhöhen die Chance, dass deine Seite die ist, aus der die Synthese schöpft; dieselben Signale, die in der KDD-2024-GEO-Forschung die Zitierwahrscheinlichkeit um bis zu ~40 % hoben, und hier greifen sie mit der geringsten Reibung, weil das Retrieval schon gelöst ist. Drittens: Maschinenlesbarkeit — server-gerendert und sauberes Schema, denn eine Seite, die der Indexer sauber parst, kann die Synthese präzise zitieren. Was auf der Liste fehlt: llms.txt (Google nutzt sie nicht), Fanout-Optimierung (hier existiert keiner) und Blocking-Fixes, die für andere Engines zählen — Googles KI-Oberflächen lesen den Index, nicht deinen Server, weshalb unsere Crawler-Log-Studie Google mit 24 Zugriffen fand, während OpenAI 1.421-mal abrief. Andere Leitungen, andere Fixes.

Weil AI Overviews probabilistisch auslöst und AI-Mode-Antworten driften, bestrafen beide Oberflächen anekdotengetriebene Strategie härter als die Chat-Engines. Hol dir zuerst eine Baseline: deine Käufer-Prompts, beide Oberflächen, wiederholte Läufe, pro Markt — der kostenlose Sichtbarkeits-Check ist die Zwei-Minuten-Version, und das volle Tracking fährt beide Google-Oberflächen neben den anderen acht Engines, jede Zahl mit ihrem n. Auf den Konten, die wir beobachten, liegt die größte Lücke zwischen vermuteter und gemessener Sichtbarkeit routinemäßig auf den Google-Oberflächen — in beide Richtungen.