Wie KI-Sichtbarkeit entsteht: als Marke genannt, als Quelle zitiert
Der Grund für diese Verschiebung ist ein anderes Antwortformat. Laut G2s Report „The Answer Economy" beginnen 51 % der B2B-Software-Käufer ihre Recherche in einem KI-System statt in einer Suchmaschine, ein Jahr zuvor waren es 29 %.2
In der klassischen Google-Suche entsteht Sichtbarkeit über die Position in der Trefferliste. In einer KI-Antwort entsteht sie im Antworttext selbst. Gemessen werden deshalb nicht Rankings, sondern zwei Dinge: ob die Marke im Text genannt und ob die eigene Webseite als Quelle zitiert wird.
Diese beiden Fragen hängen nicht zusammen. Eine Marke kann genannt werden, ohne dass ihre Webseite zitiert wird, etwa wenn die Antwort aus dem Modellwissen stammt. Und eine Webseite kann zitiert werden, ohne dass die Marke im Text auftaucht. Aus dieser Lücke zwischen Nennung und Zitation entsteht der Brand-Source-Gap, der später die Maßnahme bestimmt.
Wie stark eine KI-Antwort das Verhalten verändert, zeigt eine Analyse des Pew Research Center zur Google-Suche: Erscheint dort ein KI-Überblick, klicken nur 8 % der Nutzer auf ein klassisches Suchergebnis, ohne KI-Überblick sind es 15 %.3
Wie weit Nennung und Zitation auseinanderliegen, hängt außerdem vom jeweiligen KI-System ab.
Warum je KI-System getrennt gemessen wird
KI-Systeme zeigen Marke und Quelle nicht auf dieselbe Weise. Google AI Overviews weist genutzte Quellen meist offen aus, ChatGPT antwortet häufiger aus dem trainierten Modellwissen, sodass eine Marke genannt wird, ohne dass eine Quelle sichtbar ist. Ein Durchschnitt über alle Systeme verdeckt genau diese Unterschiede: Dieselbe Frage kann je System ein anderes Ergebnis liefern.
Welche Systeme in die Messung gehören, entscheidet die Zielgruppe. Im DACH-B2B-Umfeld sind das meist ChatGPT und Google AI Overviews, ergänzt um Copilot oder Gemini, wenn die Zielgruppe im Microsoft- oder Google-Umfeld arbeitet. Sichtbarkeit in ChatGPT hängt dabei stärker am Modellwissen, in Google AI Overviews stärker an klassisch rankenden Seiten.
Wie ein aussagekräftiges Prompt-Set entsteht
Anders als in der klassischen SEO gibt es für KI-Systeme keine Suchvolumen-Daten. In der SEO zeigt das Suchvolumen, wonach real gesucht wird. Für Prompts in ChatGPT oder Gemini existiert keine solche Quelle: Niemand weiß genau, was die Zielgruppe eintippt. Das Prompt-Set ist deshalb keine Messung des Ist-Zustands, sondern eine begründete Annahme, die ein präzises Verständnis der Zielgruppe und ihres Kaufverhaltens voraussetzt.
Damit diese Annahme trägt, wird das Set breit angelegt und klar strukturiert. Zwei Dimensionen ordnen jeden Prompt. Die erste unterscheidet branded und non-branded: Prompts, die die Marke nennen, und generische Prompts nach Kategorie, Problem oder Lösung. Die zweite ordnet jeden Prompt einer Phase der Buying Journey zu, von der frühen Orientierung über die Recherche bis zur Entscheidung. So zeigt die Messung nicht nur, ob eine Marke fehlt, sondern in welcher Phase.
Als Ausgangspunkt dienen die Keywords mit Suchvolumen: Sie sind der beste verfügbare Hinweis darauf, welche Themen die Zielgruppe beschäftigen, und lassen sich in Prompts übersetzen. Ergänzend kommen Personas oder Vertriebsregionen hinzu, wenn sie für den Fall relevant sind. Diese Auswahl ist der Kern jeder KI-GEO-Arbeit und verlangt Marktkenntnis. Wichtig ist zudem, dass das Set über die Zeit stabil bleibt, sonst lassen sich die Werte über die Monate nicht vergleichen.
So entsteht eine erste Messung
- Aus den Keywords mit Suchvolumen die zentralen Themen und Prompts ableiten.
- Die Prompts strukturieren: branded oder non-branded und nach Phase der Buying Journey.
- Die KI-Systeme festlegen, im DACH-B2B meist ChatGPT und Google AI Overviews, und eine Basismessung erheben.
- Prompts ohne jede Sichtbarkeit prüfen und überarbeiten. Belastbare Trends zeigen sich nach vier bis sechs Wochen.
Die Kennzahlen der KI-Sichtbarkeit und was sie aussagen
Vier Kennzahlen bilden den Kern, zwei weitere ordnen sie in Wettbewerb und Tonalität ein. Die Brand Visibility zeigt, ob die Marke genannt wird, die Source Visibility, ob die eigene Webseite als Quelle dient. Innerhalb der Quellen trennen Retrievals und Citation Rate, wie das System mit einer Seite umgeht: Die Retrievals zählen die Abrufe, die Citation Rate den Anteil davon, der in der Antwort auch zitiert wird.4 Eine Seite kann häufig abgerufen und selten zitiert werden: Das System nutzt sie dann zwar, zitiert sie aber nicht als Beleg.
Wie prominent die Marke in einer Antwort steht, zeigt die Position: Eine frühe Nennung bekommt mehr Aufmerksamkeit als eine am Ende. Tageswerte schwanken stark, aussagekräftig sind Wochenmittel. Die Share of Voice setzt die eigenen Erwähnungen ins Verhältnis zum Wettbewerb, das Sentiment zeigt die Tonalität.
Kennzahl
|
Definition |
Ein niedriger Wert deutet auf
|
| Brand Visibility |
Anteil der ausgewerteten Antworten, in denen der Markenname genannt wird |
Die Marke ist für das System kein naheliegender Kandidat der Kategorie |
| Source Visibility |
Anteil der Antworten, in denen eine Seite der eigenen Webseite als Quelle herangezogen wird |
Inhalte sind nicht zitierfähig oder für das System nicht auffindbar |
| Retrievals |
Häufigkeit, mit der eine Seite als Quelle abgerufen wird, unabhängig von der Zitation |
Die Seite wird gar nicht erst als Quelle gefunden |
| Citation Rate |
Anteil der Abrufe, bei denen die Seite dann auch in der Antwort zitiert wird |
Die Seite wird abgerufen, aber nicht als Beleg in der Antwort zitiert |
| Position |
Rang, an dem die Marke innerhalb einer Antwort genannt wird |
Die Marke wird genannt, aber spät und nachrangig |
| Share of Voice |
Anteil der eigenen Marken-Erwähnungen an allen Erwähnungen im Wettbewerbsumfeld |
Der Wettbewerb besetzt das Thema stärker |
| Sentiment |
Tonalität, in der die Marke in der Antwort beschrieben wird |
Messaging- oder Reputationsthema, kein reines Sichtbarkeitsthema |
Aufschlussreich ist erst das Verhältnis der Kennzahlen zueinander. Eine hohe Brand Visibility bei niedriger Share of Voice deutet auf ein umkämpftes Umfeld: Die Marke ist sichtbar, viele andere aber auch. Eine niedrige Visibility bei hoher Share of Voice spricht für ein wenig besetztes Feld, in dem sich Sichtbarkeit leichter gewinnen lässt. Eine hohe Brand Visibility nützt wenig, wenn das Sentiment negativ ist. Und viele Retrievals bei niedriger Citation Rate bedeuten: Die Seite wird abgerufen, aber nicht als Beleg zitiert.
Wie aus Messwerten ein Report wird
Aus den Kennzahlen wird ein Report, wenn er drei Dinge leistet: die Entwicklung über die Zeit zeigen, nach KI-System trennen und die eigenen Werte am Wettbewerb spiegeln.
Damit die Zahlen über die Monate vergleichbar bleiben, braucht jede Kennzahl feste Schwellen. Verändert sich die Sichtbarkeit im Monatsvergleich um mehr als 5 Prozentpunkte, ist das ein klarer Ausschlag; eine Share of Voice unter 15 % markiert ein schwaches, über 25 % ein starkes Umfeld.
Für die Erhebung nutzt andweekly die Software Peec AI, ein spezialisiertes Werkzeug zur Messung von KI-Sichtbarkeit. Der Report führt von der Beobachtung zur Entscheidung und ist Teil von andweekly · Generative Engine Optimization · The Signal System™. Offen bleibt der letzte Schritt: aus der Diagnose die Maßnahme abzuleiten.
Wie aus der Messung Maßnahmen werden
Damit eine Kennzahl etwas bewirkt, muss aus ihr eine konkrete Optimierungsmaßnahme folgen. Der Weg dahin führt über drei Schritte: von einem Signal in den Daten über die Diagnose zur Maßnahme.
Ein Beispiel: Eine Marke wird in ChatGPT genannt, ihre Webseite aber nie als Quelle zitiert. Das Signal ist der Brand-Source-Gap. Die Diagnose: Es fehlt eine Seite, die die Frage direkt und zitierfähig beantwortet. Die Maßnahme setzt also am Inhalt an, nicht an der Marke.
Diese Zuordnung von Signal zu Maßnahme ist der Kern der KI-GEO-Arbeit. Sie sorgt dafür, dass an der Ursache gearbeitet wird statt am Symptom, und erlaubt es, sich auf die wirksamsten Maßnahmen zu konzentrieren, statt viele Baustellen gleichzeitig zu öffnen. So bleibt nachvollziehbar, welche Maßnahme welche Veränderung bewirkt.
Der Beitrag zur KI Content Strategie zeigt diese Umsetzung im Detail, vom Aufbau zitierfähiger Inhalte bis zur Schärfung der Marke als Entität. Hier geht es um die Messung, die ihr vorausgeht.
Von der Kennzahl zur Maßnahme
Signal
|
Diagnose |
Maßnahme
|
Marke genannt, Webseite nie zitiert
|
kein zitierfähiger Inhalt |
Content Engineering |
Webseite zitiert, Marke nicht genannt
|
Marke als Entität unklar |
Entity- und Messaging-Arbeit |
Sichtbar in der Orientierung, nicht in der Entscheidung
|
keine Vergleichs- oder Anbieterseiten |
Content für die kaufnahe Phase |
Viele Abrufe, kaum Zitationen
|
Inhalt nicht belastbar genug |
Belege, Aktualität und Struktur schärfen |
Negative oder falsche Darstellung
|
Reputations- oder Faktenthema |
Quellen korrigieren, die das Bild prägen |
Was die Sichtbarkeitszahl leistet und was nicht
Eine Sichtbarkeitszahl ist ein Näherungswert. Sie beruht auf einem Prompt-Set, das die Fragen der Zielgruppe modelliert, denn die echten Eingaben in ChatGPT sind für kein Werkzeug einsehbar. Weil KI-Systeme probabilistisch antworten, kann dieselbe Frage in zwei Durchläufen andere Marken nennen; einzelne Monatsschwankungen sind daher oft methodisch bedingt, nicht Ausdruck einer echten Marktbewegung. Verlässlich werden Muster erst über ein breites Set und mehrere Wochen.
Auch bei den einzelnen Kennzahlen kommt es auf die Lesart an. Abgerufen zu werden heißt nicht, zitiert zu werden: Eine Analyse von 1,4 Millionen ChatGPT-Prompts zeigte, dass Reddit-Seiten massenhaft abgerufen, aber nur in rund 2 % der Fälle zitiert wurden. Im selben Datensatz veränderte zusätzliches Schema-Markup die Zitationen statistisch nicht.5
Entscheidend ist die Einordnung im Funnel. Die Sichtbarkeit wirkt früh in der Buying Journey, lange vor einem Lead. Sie ist ein Steuer-KPI: direkt beeinflussbar, mit Wirkung in Wochen.
Traffic, Engagement und Conversion sind Wirkungs-KPIs, sichtbar in ein bis drei Monaten. Leads und Umsatz sind Ergebnis-KPIs, die sich erst über Quartale zeigen. Wer die Messung direkt an Leads misst, setzt einen Frühindikator gegen einen Spätindikator, der erst Quartale später entsteht. So erscheint ihr Beitrag kleiner, als er ist.
Wie stark Sichtbarkeit die Pipeline beeinflusst, erfasst keine Software allein. Der Grund liegt in einer typischen Journey: Ein B2B-Einkäufer informiert sich zunächst in ChatGPT, entdeckt dort einen Anbieter, sucht ihn anschließend bei Google und landet über das organische Ergebnis auf der Webseite. Im Reporting erscheint dieser Besuch als Organic Traffic, obwohl der erste und entscheidende Schritt eine KI-Suche war. Die Wirkung der KI-Suche wird so einem anderen Kanal zugeschrieben.
Die verlässlichste Brücke ist deshalb die direkte Frage bei Anmeldung oder Onboarding: „Wie sind Sie auf uns aufmerksam geworden?", idealerweise ergänzt um die genutzte Anfrage. Diese Selbstauskunft erfasst alle Entdeckungswege zugleich und macht sichtbar, was die Analytics dem falschen Kanal gutschreibt.
Häufig gestellte Fragen zu KI-Sichtbarkeit
Was bedeutet KI-Sichtbarkeit für B2B-Unternehmen?
KI-Sichtbarkeit zeigt, ob und wie ein Unternehmen in den Antworten von KI-Systemen vorkommt: ob die Marke genannt (Brand Visibility) und ob die eigene Webseite als Quelle zitiert wird (Source Visibility). Für B2B-Unternehmen entscheidet das mit darüber, ob sie in der KI-gestützten Recherche ihrer möglichen Kunden auftauchen, oft bevor ein Klick oder ein Kontakt zustande kommt.
Wie funktioniert die Sichtbarkeit eines B2B-Unternehmens in ChatGPT, Google AI Overviews und Copilot?
Genannt-Werden und Zitiert-Werden sind getrennt zu betrachten. In ChatGPT stammt eine Nennung oft aus dem Modellwissen, während Google AI Overviews genutzte Quellen häufig offen ausweisen. Der Mechanismus unterscheidet sich je System, deshalb wird die Sichtbarkeit für jedes System einzeln gemessen.
Welches Tool eignet sich, um die KI-Sichtbarkeit systematisch zu messen?
Geeignet sind Werkzeuge, die speziell für KI-Antworten gebaut sind und Erwähnungen und Zitationen über die Zeit erfassen. andweekly nutzt dafür Peec AI; weitere spezialisierte Anbieter sind etwa Otterly oder Rankscale. Wichtiger als das einzelne Werkzeug ist ein stabiles, strukturiertes Prompt-Set und eine einheitliche Mess-Methodik.
Reichen klassische SEO-Tools nicht aus, um KI-Sichtbarkeit zu messen?
Nur eingeschränkt. Klassische SEO-Tools messen Rankings und Keywords in der Trefferliste, also die Position einer Seite in der Suche. Sie entsteht dagegen im Antworttext: ob eine Marke genannt und ob eine Seite als Quelle zitiert wird. Viele SEO-Anbieter haben ihre Produkte inzwischen um AI-Search-Tracking erweitert. Die zugrunde liegende Logik von SEO und GEO ist aber eine andere, weshalb sich dafür spezialisierte Werkzeuge besser eignen. Beide Sichten ergänzen sich, ersetzen einander aber nicht.
Wie unterscheiden sich die Sichtbarkeits-Mechanismen zwischen den KI-Systemen?
Die Systeme nutzen und zeigen Quellen unterschiedlich. Einige weisen zitierte Quellen offen aus, andere antworten stärker aus dem Modellwissen. Deshalb lässt sich kein sinnvoller Durchschnitt über alle Systeme bilden: Dieselbe Frage kann je System ein anderes Ergebnis liefern.
Welche Kennzahlen sind beim Messen von KI-Sichtbarkeit sinnvoll?
Sinnvoll sind Brand Visibility und Source Visibility als Grundlage, ergänzt um Retrievals, Citation Rate und Position für die Quellen- und Prominenz-Ebene sowie Share of Voice und Sentiment für Wettbewerb und Tonalität. Einzeln betrachtet führt jede Kennzahl in die Irre, gemeinsam ergeben sie ein belastbares Bild der eigenen Sichtbarkeit in KI-Systemen.
Fazit
KI-Sichtbarkeit zu messen ersetzt Vermutung durch eine Grundlage: ein strukturiertes Prompt-Set entlang der Buying Journey, klare Kennzahlen und die getrennte Betrachtung je KI-System. Die Messung zeigt, in welcher Phase und in welchem System eine Marke fehlt, und liefert damit den Ausgangspunkt für jede weitere Arbeit an der Sichtbarkeit. Bei andweekly Teil von Generative Engine Optimization, gehört sie zu andweekly · Generative Engine Optimization · The Signal System™.
Weitere Analysen zur Sichtbarkeit in KI-Systemen gibt es im Perspektiven-Newsletter: Perspektiven-Newsletter abonnieren.
Quellen
1 Forrester Research (2026): The State of Business Buying
2 G2 (2026): The Answer Economy – AI Search Insight Report
3 Pew Research Center (2025): Google users are less likely to click on links when an AI summary appears in the results
4 Peec AI (2026): Metrics overview (Brand Visibility, Source Visibility, Retrievals, Citation Rate)
5 Search Engine Journal (2026): Brands Are Tracking AI Visibility, But Are They Measuring The Right Things?
