Die meisten AI-Visibility-Tools verkaufen einen einzigen Score. Kaufen Sie ihn nicht. Eine Zahl, die vermischt, wie gut Sie bei einem gebrandeten Identitäts-Prompt ranken mit wie unsichtbar Sie bei einem transaktionalen Kauf-Prompt sind, ist keine Metrik, sondern ein Durchschnitt, der genau die Lücke verschleiert, für deren Schließung Sie bezahlen. Unsere eigene Geoboard-Baseline vom 2026-06-11 platzierte wppoland.com in fünf von sechs Modellen auf Platz eins beim engen Identitäts-Prompt “polnische Agentur für ausländische WordPress-Kunden” und zeigte im selben Durchlauf null Präsenz bei transaktionalen WooCommerce- und KI-Implementierungs-Query-Familien. Ein einzelner Score hätte das als “starke KI-Sichtbarkeit” berichtet. Die Trennung erzählt die Wahrheit: Der Mechanismus, der die eine Lücke erzeugt, ist nicht der Mechanismus, der die andere erzeugt, und beide brauchen unterschiedliche Lösungen. Dieser Leitfaden ist die Monitoring-Ebene dieses Programms: welche Query-Familien Sie verfolgen sollten, welche Metriken tatsächlich Umsatz vorhersagen, den Stack, den wir auf unserer eigenen Website betreiben, und eine Kadenz-Tabelle, die Sie einem Anbieter oder einer Einkaufsleitung geben können.
Wir haben das Rohmaterial, auf dem dieser Leitfaden aufbaut, bereits veröffentlicht: den 90-Tage-Tracking-Start, der die Baseline setzte, und den Q2-2026-Messzyklus, der zeigte, wie stark das Messinstrument selbst die berichtete Zahl verschieben kann. Dieser Artikel macht aus beidem ein Betriebshandbuch: was zu verfolgen ist, wie oft, und was Sie von jedem verlangen sollten, der Ihnen einen “AI-Visibility”-Bericht verkauft.
Warum ein einzelner AI-Visibility-Score den Einkauf scheitern lässt
Ein Composite-Score existiert, damit eine Folie ordentlich aussieht, nicht damit eine Entscheidung nachvollziehbar wird. Er komprimiert mindestens vier verschiedene Signale, Identitätserkennung, Informations-Query-Präsenz, transaktionale Zitationsrate und Konkurrenz-Share-of-Voice, in eine Zahl, und das Mitteln über sie zerstört genau die Information, die ein Käufer braucht. Es ist derselbe Fehler, den ein deutscher Mittelständler macht, wenn er auf eine einzige Google-Sternebewertung schaut, ohne zu prüfen, wie viele Rezensionen tatsächlich die Lieferzeit betreffen und wie viele das Produkt selbst.
Hier ist das mechanische Problem. Unser Identitäts-Prompt-Ergebnis (Platz eins in fünf von sechs Modellen) und unser Transaktionsergebnis (null Präsenz) liegen im selben Geoboard-Baseline-Durchlauf, am selben Datum, für dieselbe Domain. Mitteln Sie sie, und Sie erhalten einen Score im Mittelfeld, der wie “Verbesserungspotenzial” aussieht. Berichten Sie sie als Trennung, und Sie erhalten die genaue Geschichte: eine verteidigungsfähige Position, die wenig kostet, sie zu halten, direkt neben einer echten Lücke, die echte Off-Page-Arbeit kostet, um sie zu schließen. Ein Anbieter, der Ihnen eine einzige Zahl liefert, hat entweder die Query-Familien nicht getrennt oder möchte nicht, dass Sie diese Trennung sehen.
Der Einkauf sollte einen einzelnen AI-Visibility-Score so behandeln, wie er einen einzelnen “SEO-Score” aus einer Browser-Erweiterung behandeln würde: als Marketingartefakt, nicht als Audit-Grundlage. Verlangen Sie jedes Mal die Tabelle statt der Zahl.
Query-Familien, die Sie überwachen sollten
Trennen Sie Prompts nach Absicht, bevor Sie irgendetwas zählen. Vier Familien decken den Großteil des B2B-WordPress- und WooCommerce-Kaufverhaltens ab, und jede beantwortet eine andere geschäftliche Frage.
Identitäts- und Positionierungs-Prompts sind enge, gebrandete Fragen, die ein Käufer stellt, wenn er schon weiß, dass Sie infrage kommen könnten: “polnische Agentur für ausländische WordPress-Kunden”, Nearshore-Framing, EU-Zeitzonen-Lieferversprechen. Diese Familie misst, ob Modelle auflösen können, wer Sie sind. Hier zu gewinnen ist notwendig und für sich allein für eine Vertriebspipeline wenig wert.
Informations- und Praktiker-Prompts spiegeln, wie ein technischer Evaluator recherchiert, bevor überhaupt ein Ausschreibungsprozess existiert: Headless-WordPress-Trade-offs, WooCommerce-ERP-Integrationsansätze, Core Web Vitals bei großen Katalogen. KI-Antworten ersetzen zunehmend die ersten Suchergebnisse, die ein Praktiker geöffnet hätte, also bedeutet Abwesenheit hier, dass Sie nicht im Shortlist-Gespräch sind, selbst wenn Ihr Identitäts-Prompt auf Platz eins liegt.
Transaktionale WooCommerce-Prompts sind, wo Budgets tatsächlich sitzen: einen WooCommerce-Entwickler einstellen, einen WooCommerce-ERP-Integrationspartner, einen langsamen Checkout auf einem großen Shop reparieren, eine Agentur für Woo plus KI-Automatisierung. Unsere eigene Baseline zeigte hier null Präsenz.
KI-Implementierungs-Prompts laufen parallel zu WooCommerce: WordPress-KI-Integration, agentenfähige Produktfeeds, Governance für KI-Plugins, MCP-Exposition für Shop-Daten. Gleiches Baseline-Ergebnis, null am 2026-06-11, und zunehmend in Enterprise-Einkaufspakete gebündelt, die Plattformarbeit mit “KI-Readiness” koppeln.
| Query-Familie | Was sie testet | Unser Baseline-Signal (2026-06-11) | Was von einem Anbieterbericht zu verlangen ist |
|---|---|---|---|
| Identität / Positionierung | Entitätsauflösung für Ihre Nische | #1 in 5/6 Modellen beim Anker-Prompt | Exakten Prompt-Wortlaut bestätigen, keine Paraphrase |
| Information / Praktiker | Technische Shortlist vor einer Ausschreibung | Gemischt, nicht die Headline-Metrik | Fragen, welche Praktiker-Fragen getestet wurden |
| Transaktional (z. B. WooCommerce) | Umsatznahe Einstellungsabsicht | Null Präsenz | Konkurrenzdomains verlangen, die statt Ihnen zitiert wurden |
| KI-Implementierung | Agenten- und Automatisierungseinkauf | Null Präsenz | Fragen, ob diese Familie überhaupt getestet wurde |
Wenn ein Bericht diese vier Zeilen nicht getrennt aufführt, ist es kein Monitoring-Bericht, sondern eine Zusammenfassung, die geglaubt und nicht geprüft werden soll.
Metriken, die zählen
Sobald Query-Familien getrennt sind, tragen vier Metriken das eigentliche Signal. Alles andere ist ein Vanity-Aggregat, verkleidet als Daten.
Markennennung. Hat der Assistent Ihre Marke irgendwo in der Antwort genannt, unabhängig von einem Link. Das ist das schwächste Signal und am leichtesten zu erreichen, behandeln Sie eine steigende Nennungsrate allein also als schwachen Beweis.
URL-Zitation. Hat der Assistent Ihre konkrete Seite verlinkt. Das kommt einer echten Weiterleitung näher und ist viel schwerer zu erreichen als eine blanke Nennung, besonders in transaktionalen Familien, wo Modelle eher Verzeichnisse als Spezialisten zitieren.
Zitierte Konkurrenzdomains. Welche anderen Domains statt Ihnen auftauchten, namentlich protokolliert, nicht zusammengefasst als “Konkurrenz”. In unseren eigenen Transaktionschecks tauchten generalistische SEO- oder SEM-Anbieter auf, die mit “AI SEO” warben, nicht WooCommerce-Spezialisten, was selbst ein Befund ist: Die Lücke ist Assoziation und Autorität, nicht Inhaltsqualität.
Share of Voice. Ihre Zitationszahl geteilt durch alle Zitationen im getrackten Prompt-Set, berechnet pro Query-Familie, pro Engine. Das ist die einzige der vier, die sich über die Zeit wie ein echter KPI verhält, weil sie relativ und zwischen Wiederholungen vergleichbar ist, solange die Prompt-Liste fixiert bleibt.
Was auf dieser Liste absichtlich fehlt: ein einzelner “AI-Visibility-Prozentsatz”, ein “AI-SEO-Score” von 0 bis 100 oder jede Metrik, die sich nicht auf einen konkreten Prompt, eine Engine und ein Datum zurückführen lässt. Wenn ein Dashboard Ihnen den Prompt hinter einer Zahl nicht zeigen kann, ist die Zahl kein Beweis.
Der Monitoring-Stack, den wir tatsächlich nutzen
Wir betreiben vier Ebenen auf unserer eigenen Website, und jede deckt einen Fehlermodus ab, den die anderen übersehen.
Geoboard-Batch-Wiederholungen liefern wiederholbare Multi-Modell-Abdeckung gegen ein deklariertes Prompt-Set. Unsere eingefrorene Baseline vom 2026-06-11 hat den oben beschriebenen Identität-versus-Transaktion-Split hervorgebracht, zusammen mit dem Engine-Skew zwischen ChatGPT und Perplexity. Batch-Tooling ist die richtige Ebene für Trendvergleiche, nicht für tägliches Monitoring, weil tägliches Multi-Modell-Polling meist nur Interface-Rauschen misst.
Wöchentliche manuelle Stichproben in Consumer-Interfaces, ChatGPT, Perplexity, Copilot und Claude, wo anwendbar, fangen Produktänderungen schnell ab. Wir protokollieren jedes Mal vier Felder: Datum, Engine, Prompt-Familie und Ergebnis (Markennennung, URL zitiert, Konkurrenzdomains zitiert oder keines). Diese Ebene ist das Frühwarnsystem, wenn ein Modell Live-Browsing hinzufügt oder entfernt. Teams, die für klassisches organisches Ranking auf deutsche Tools wie Sistrix setzen, sollten dies als ergänzendes, nicht ersetzendes Panel behandeln.
Brand-Radar-artiges Tracking für Konkurrenz-Zitationsdomains. Geoboard und manuelle Checks sagen Ihnen, ob Sie erschienen sind. Diese Ebene sagt Ihnen, wer statt Ihnen erschienen ist, was genau der Input ist, den der Off-Page-Autoritätsplan tatsächlich braucht. Zu wissen, dass generalistische SEO-Anbieter statt Woo-Spezialisten die transaktionale Familie gewinnen, verändert, wohin Remediation-Budget fließen sollte.
Das Rendering-Gate. Nichts von alledem spielt eine Rolle, wenn Ihre tragenden Fakten von vornherein nicht in der rohen HTML-Antwort stehen. Andre Alpars Experiment vom Juni 2026, veröffentlicht über CitationOne, fand heraus, dass sechs von sieben westlichen KI-Assistenten ausschließlich rohes HTML lesen, nicht ausgeführtes JavaScript. Bevor Sie ein Null-Zitations-Ergebnis als Inhalts- oder Autoritätsproblem einordnen, bestätigen Sie, dass der Inhalt für den Fetch des Assistenten überhaupt sichtbar war. Eine Null durch clientseitiges Rendering ist eine völlig andere Reparatur als eine Null durch fehlende Off-Page-Bestätigung.
Kadenz: wie oft jede Ebene laufen sollte
Kadenz ist der Punkt, an dem die meisten Monitoring-Programme entweder Budget für Rauschen verbrennen oder echten Drift verpassen. Drei Intervalle, zugeordnet zu dem, wofür jedes gut ist:
| Kadenz | Was läuft | Warum dieses Intervall |
|---|---|---|
| Wöchentlich | Manuelle Stichproben, feste Prompt-Liste, Consumer-UIs | Fängt Modell- oder UI-Änderungen schnell ab; günstig genug, um dauerhaft zu bestehen |
| Alle 6-8 Wochen | Geoboard-artiger Batch-Multi-Modell-Rerun | Lang genug, dass Off-Page- und On-Page-Änderungen bereits gecrawlt und zugeordnet wurden; kurz genug, um Regressionen vor Quartalsabschluss zu erfassen |
| Vierteljährlich | Programm-Readout für Stakeholder, gekoppelt an Budget oder Anbieter-Review | Passt zu Einkaufs- und Marketing-Berichtszyklen; vermeidet Überinterpretation eines Trends aus Rauschen |
Tägliches oder fast tägliches Polling über viele Modelle misst meist Interface-Varianz, nicht echte Veränderung darin, wie Modelle Ihre Marke mit einer Query assoziieren. Wir haben das direkt gelernt: Unser Q2-2026-Messzyklus zeigte, dass ein Proxy-Snapshot und ein Consumer-UI-Snapshot innerhalb derselben Wochen so stark voneinander abwichen, dass das Instrument, nicht die zugrunde liegende Realität, den Großteil der Differenz erklärte. Kadenz-Disziplin existiert, damit solches Rauschen nicht mit einem Trend verwechselt wird.
Perplexity gegen ChatGPT: warum die Engine-Trennung Pflicht ist
“KI-Sichtbarkeit” als eine Zahl über alle Engines zu behandeln, verschleiert einen konkreten, messbaren Fehlermodus. In unserem eigenen Baseline-Lauf zeigte ChatGPT in acht getrackten Prompts im blinden Fleck des Query-Sets null Präsenz, während Perplexity im selben Lauf die stärkste Engine war. Das ist kein Zufall einer schlechten Woche. Perplexity gründet stark auf Live-Websuche, tendiert also dazu, frischere, engere Treffer zu liefern. Das Standardverhalten von ChatGPT im selben Zeitraum verlief anders, und die Lücke zwischen beiden war groß genug, um die gesamte Einschätzung der Zitationsgesundheit der Marke zu verändern, je nachdem, welche Engine man zufällig prüfte.
Die praktische Konsequenz für den Monitoring-Scope: Berichten Sie niemals ChatGPT allein als “KI-Sichtbarkeit”, und mitteln Sie niemals ChatGPT- und Perplexity-Ergebnisse zu einer Zahl. Ein Monitoring-Scope, der bei ChatGPT aufhört, wird eine Marke unterberichten, die Perplexity bereits zitiert, und ein Scope, der bei Perplexity aufhört, wird überzeichnen, wie sichtbar Sie für das Publikum sind, das weiterhin standardmäßig ChatGPT nutzt. Tracken Sie beide, berichten Sie beide, und wenn das Budget zwischen einer dritten Engine und der Behebung dieser Trennung wählen muss, beheben Sie zuerst die Trennung.
Einkaufs-Checkliste: was von Anbietern zu verlangen ist
Bevor Sie einen AI-Visibility- oder GEO-Monitoring-Anbieter freigeben, verlangen Sie schriftliche Antworten auf alle folgenden Punkte. Kann ein Anbieter einen davon nicht schriftlich beantworten, behandeln Sie seine berichteten Zahlen als Marketingmaterial, nicht als Messung.
- Die exakte Prompt-Liste, kein Kategorielabel wie “WooCommerce-Anfragen”. Wortlaut verändert Ergebnisse.
- Welche Engines getestet wurden und ob Ergebnisse pro Engine oder als Mischscore berichtet werden.
- Ob jede Zahl aus einem Consumer-Interface oder einem API-Proxy stammt. Unser eigener Q2-Zyklus zeigte, dass diese so stark auseinandergehen, dass Mischen standardmäßig irreführend ist.
- Das Datum, an dem jede Zahl erzeugt wurde. Ein Zitations-Snapshot von vor drei Monaten ist kein aktueller Status.
- Konkurrenzdomains, die statt Ihnen zitiert wurden, nicht nur Ihre eigene Präsenz oder Abwesenheit.
- Query-Familien, getrennt berichtet: Identität, Information, Transaktion und jede für Ihr Geschäft relevante Implementierungs- oder Agenten-Familie.
- Ob das Monitoring Rendering berücksichtigt hat. Falls Ihre Website oder das Konkurrenzset stark auf clientseitiges Rendering setzt, fragen Sie, ob die Methode des Anbieters Inhalte hinter JavaScript überhaupt erkennen kann.
Was On-Page versus Off-Page bei jedem Lücken-Typ behebt
Monitoring sagt Ihnen, welche Familie kaputt ist. Es behebt für sich allein nichts, und die Behebung hängt vom betrachteten Lücken-Typ ab.
Identitäts- und Informationslücken reagieren meist auf On-Page-Arbeit: serverseitig gerendertes HTML mit tragenden Fakten in der Rohantwort, strukturierte Daten, faktendichte Inhaltsblöcke und klare Entitätssignale, die auflösen, wer Sie sind und was Sie tun. Das ist die Grundschwelle, und sie ist genau deshalb Pflicht, weil die meisten westlichen KI-Assistenten nur rohes HTML lesen, statt clientseitiges JavaScript auszuführen. Wenn Ihre Schlüsselfakten hinter einem Skript laden, wird keine noch so gute On-Page-Politur die Lücke beheben, weil der Assistent den Inhalt nie gesehen hat.
Transaktionale und KI-Implementierungslücken schließen sich selten mit einem weiteren FAQ-Block oder einer umgeschriebenen Landingpage. Modelle zitieren, was das offene Web bestätigt: unabhängige technische Antworten, überprüfbare Verzeichniseinträge, Erwähnungen Dritter und Off-Page-Signale, die die Entität über Ihre eigene Domain hinaus verstärken. Unsere Null-Baseline bei WooCommerce- und KI-Implementierungs-Prompts hielt trotz bereits reifer On-Page-Inhalte an, was selbst die Diagnose ist: Wenn On-Page-Qualität nicht der Engpass ist, muss die Behebung off-page verlagert werden.
Das Playbook zur KI- und LLM-Sichtbarkeit ordnet diese Stellhebel genauso, wie wir sie in Kundenprogrammen umsetzen: On-Page zuerst als Grundschwelle, Off-Page als zweiter Hebel, der transaktionale Zitationsraten tatsächlich bewegt.
Schlussbemerkung
Monitoring ist nicht die Ziellinie, es ist das Instrument, das Ihnen sagt, wo Sie investieren sollten. Ein einzelner AI-Visibility-Score wird immer Ihren leichtesten Gewinn schönfärben und Ihre teuerste Lücke verstecken, genau das Gegenteil von dem, was der Einkauf braucht. Trennen Sie nach Query-Familie, verfolgen Sie Markennennung, URL-Zitation, Konkurrenzdomains und Share of Voice statt eines gemischten Aggregats, fahren Sie wöchentliche Stichproben und Batch-Wiederholungen alle sechs bis acht Wochen, und zitieren Sie niemals eine Zahl ohne Angabe von Engine, Datum und ob sie aus einem Consumer-Interface oder einem API-Proxy stammt. Wenn Sie diese Instrumentierung für Ihre eigene Website aufbauen und betreiben lassen wollen, gekoppelt an die On-Page- und Off-Page-Reparaturen, die jeder Lücken-Typ tatsächlich braucht, ist das das Programm, das unser Service GEO- und LLMO-Optimierung liefert.
