KI-Sichtbarkeit messen

#Was wir gemessen haben und was wir gefunden haben

Die meisten Texte über KI-Sichtbarkeit sind Ratschläge. Dies ist Messung. Wir sind eine Agentur, die dafür plädiert, KI sauberes, serverseitig gerendertes HTML zu liefern, also war es nur fair zu prüfen, ob die Agentur selbst zitiert wird. Die Antwort war über drei Momentaufnahmen im April, Mai und Juni 2026 interessanter als eine einzelne Zahl.

#Zuerst kommt das Instrumentenproblem

Vor jeder Erkenntnis steht der Vorbehalt, der alle anderen neu einordnet. Es gibt zwei verbreitete Arten zu messen, wie oft eine KI Sie zitiert, und sie stimmen nicht überein.

Der günstige Weg ist ein API-Proxy. Sie senden Ihre Prompts über die API eines Modells, lesen den zurückkommenden Text und zählen Markennennungen und Links. Er ist wiederholbar und nahezu kostenlos, weshalb er überall ist. Seine Schwäche besteht darin, dass der API-Pfad nicht das Produkt ist, das ein Kunde verwendet. Veröffentlichte Vergleiche beziffern die Quellenüberschneidung zwischen API-Antworten und der Konsumenten-Weboberfläche im niedrigen einstelligen Prozentbereich, sodass ein Proxy Ihnen sagen kann, dass ein Modell Ihren Namen abstrakt kennt, während er Ihnen nichts Verlässliches darüber sagt, was ein echter Nutzer sieht.

Der ehrliche Weg ist, die echten Konsumentenausgaben zu überwachen, dieselben Antworten, die eine Person in der ChatGPT- oder Perplexity-Oberfläche erhält, einschließlich der Quellen, die das Produkt tatsächlich anzeigt. Das kostet mehr und ist schwerer zu automatisieren. Es ist auch die einzige Zahl, die einem verlorenen oder gewonnenen Besuch entspricht.

Wir haben drei Varianten des ersten genutzt und kein einziges Mal den zweiten. Die erste Fassung dieses Berichts behauptete das Gegenteil, und genau das ist seine am breitesten anwendbare Lektion: Ein ganzes Quartal lang haben wir etwas anderes gemessen als das, was wir zu messen angaben, und gemerkt haben wir es erst, als wir uns hinsetzten, um aufzuschreiben, woher jede einzelne Zahl stammt.

#April: der günstige Proxy-Ausgangswert

Unsere erste Momentaufnahme am 6. April war ein API-Proxy-Lauf. Die Kennzahlen über 26 Abfragen gegen ChatGPT:

Eine Nennungsrate unter acht Prozent und eine Zitationsrate von null liest sich wie eine Katastrophe. Das nützlichere Detail ist, wer stattdessen zitiert wurde. Als das Modell nach einer Quelle zu polnischer WordPress-Arbeit griff, nannte es Verzeichnisse und Jobportale: pracuj.pl tauchte dreimal auf, neben clutch.co, olx.pl, home.pl, nazwa.pl und einer Ankündigung für ein Entwickler-Meetup. Das sind keine Wettbewerber, die uns überschrieben haben. Es sind Aggregatoren, denen das Modell als generische Antworten auf eine kommerzielle Frage vertraut. Dieses Muster, bei dem der Assistent auf ein Verzeichnis statt auf einen Spezialisten zurückgreift, erwies sich als die eigentliche Geschichte, und On-Page-Feinschliff behebt das nicht.

Der Bericht selbst trug die Warnung, die auch Sie mittragen sollen: API-Proxy, nur richtungsweisende Trends, etwa vier Prozent Quellenüberschneidung mit der Weboberfläche. Wir wussten damals noch nicht, wie sehr diese Warnung zählte.

#Mai: das leere Arbeitsblatt, das eine Zahl erzeugte

Der Mai-Lauf vom 11. Mai war kein Lauf. Das Panel für diese Woche ist ein Arbeitsblatt im Repository: zwanzig Abfragen, verteilt auf ChatGPT, Perplexity, Bing Copilot und Claude, neben jeder eine leere Ergebnisspalte, und oben eine Zeile Owner: _______, die nie jemand unterschrieben hat. Niemand hat es ausgefüllt. Die Tabelle, die unser Skript daraus erzeugte, sah allerdings genau wie eine Messung aus:

Jede Zeile kam als unbestimmt zurück, aber nicht, weil das Instrument etwas geprüft und sich eines Urteils enthalten hätte. scripts/compute-ai-citation-metrics.mjs liest ein Feld, zählt es als Zitat, wenn es auf yes, y, true, 1 oder x passt, als fehlendes Zitat, wenn es auf no, n, false oder 0 passt, und schreibt in jedem anderen Fall unknown. Ein leeres Feld passt auf nichts, also bekommt es unknown. Zwanzig unbestimmte Ergebnisse sind zwanzig Zeilen, die sich niemand angesehen hat. Eine Grounding-Erkennung gibt es in dieser Pipeline nicht und gab es nie.

Schlimmer ist die letzte Zeile des Berichts. Die Zitationsrate wird als Zitate mit Ja geteilt durch alle Zeilen berechnet, also landeten diese zwanzig leeren Zeilen direkt im Nenner, und die erzeugte Datei verkündet: Zitationsrate 0 Prozent. Ein leeres Arbeitsblatt ging in das Skript hinein und kam auf der anderen Seite als sauber formatierter Bericht heraus, mit einer Null in der Überschrift und einer Aufschlüsselung nach vier Engines darunter.

So sieht dieser Fehlermodus von innen aus. Kein Instrument, das ehrlich meldet, dass es nichts sieht. Ein Instrument, das fehlende Daten in ein Ergebnis verwandelt und es mit derselben Bestimmtheit vorträgt wie eine Messung. Genau das werfen wir wenige Absätze später den KI-Sichtbarkeits-Dashboards vor, also ist es nur fair, es deutlich zu sagen: Unsere eigene Pipeline tat exakt das, es fiel niemandem auf, und die Null vom Mai lag die ganze Zeit im Repository und sah aus wie ein Befund. Eine Zahl muss nicht erfunden sein, um in die Irre zu führen. Sie muss nur gut formatiert sein.

#Juni: ein zweites Instrument, ein zweiter blinder Fleck

Am 11. Juni wechselten wir das Instrument. Wir beschrieben das damals für uns selbst als Wechsel von der API zu echten Modellausgaben. Das war es nicht. Wir schlossen Geoboard an, sechs Modelle darunter ChatGPT, Claude, Gemini, Perplexity, Grok und DeepSeek, gegen einen Satz kaufnaher Prompts. Das ist ein anderer Anbieter, keine andere Art von Messung: Unser Client dafür, scripts/geoboard-pull.mjs, sind ein gutes Dutzend Zeilen, die curl um eine REST-API wickeln. Eine Konsumentenoberfläche kommt darin an keiner Stelle vor.

Der eigene Methodenhinweis von Geoboard sagt im Übrigen das, was wir nicht sagten: Der Lauf fragt die Modelle ohne Live-Websuche ab, misst also die Wiedergabe aus den Trainingsdaten. Ein echtes ChatGPT und ein echtes Gemini suchen live und würden die laufende Seite finden. Der Juni-Lauf maß also nicht, ob KI uns zitiert. Er maß, ob die Modelle uns aus dem Training erinnern, und das liegt für eine spezialisierte B2B-Agentur bauartbedingt nahe null. Wir hatten einen blinden Fleck gegen einen anderen getauscht und hielten das kurzzeitig für Fortschritt.

Das Bild schärfte sich trotzdem, denn zwei blinde Flecken an verschiedenen Stellen zeigen zusammen mehr als einer allein. Bei einer engen Abfrage, einem polnischen Studio, das ausländische WordPress-Kunden betreut, lagen wir in fünf der sechs getesteten Modelle auf Platz eins. Bei abgeschalteter Live-Suche bedeutet das etwas Bestimmtes und Stärkeres, als wir angenommen hatten: Die Assoziation steckt in den Modellen selbst, nicht in Suchergebnissen, die zur Laufzeit angeheftet werden. Es ist eine spezifische Identitätsaussage mit wenig Konkurrenz, genau die Art von Abfrage, die ein Spezialist besitzen sollte.

Bei transaktionalen WooCommerce-Abfragen, den umsatznächsten Abfragen, waren wir nahezu unsichtbar. Die Modelle antworteten selbstbewusst und griffen nicht nach uns. ChatGPT war durchweg der schwächste Kanal für die Marke, ohne einen einzigen Treffer im gesamten getesteten Satz. Perplexity schnitt am stärksten ab.

Und hier wäre uns beinahe genau der Fehler unterlaufen, um den es in diesem Bericht geht. Die erste Fassung dieses Absatzes erklärte den Vorsprung von Perplexity damit, dass sich Perplexity stark auf die Live-Websuche stützt. Die Erklärung ist elegant, sie passt zu allem, was man über das Produkt weiß, und sie ist hier nicht haltbar: In diesem Lauf hatte kein Modell Live-Suche. Was auch immer Perplexity den Vorsprung verschaffte, Live-Suche war es nicht. Wir wissen nicht, was es war. Zu raten hätte einen Methodenvorbehalt, den wir selbst schriftlich vorliegen hatten, in einen Satz verwandelt, der wie eine Schlussfolgerung klingt, und das wäre derselbe Griff gewesen wie die Null vom Mai, nur besser gekleidet.

Die Wettbewerber, die auftauchten, waren überwiegend allgemeine SEO- und SEM-Agenturen, die sich als Anbieter von “AI SEO” vermarkten, keine WooCommerce-Spezialisten. Die Lücke ist mit anderen Worten eine Frage von Autorität und Assoziation, nicht von Seitenqualität.

#Was die drei Momentaufnahmen zusammen ergeben

Zusammen gelesen sagt das Quartal drei Dinge klar.

Erstens ist die Methode Teil der Zahl. Zwischen den drei Läufen liegen rund neuneinhalb Wochen, vom 6. April bis zum 11. Juni, und die Seite stand in dieser Zeit nicht still: Wir haben in diesem Fenster neue sechssprachige Entscheidungsleitfäden veröffentlicht, die genau auf die Lücke zielten, die die Messung offengelegt hatte. Wir können also nicht sagen, was wir gerne sagen würden, nämlich dass die Methode die Zahl bewegte und nicht die Realität. Uns fehlt die Kontrolle dafür, denn die Realität bewegte sich ebenfalls. Sagen können wir etwas Schwächeres und Belastbareres: Diese drei Methoden weichen so stark voneinander ab, dass keine dieser Zahlen ohne die Methode interpretierbar ist, die sie erzeugt hat. Wenn ein Werkzeug Ihnen eine KI-Zitationsrate liefert, ohne Ihnen zu sagen, ob es die API oder das Produkt gelesen hat und ob das Modell Live-Suche hatte, misstrauen Sie ihm.

Die Erstanbieter-Messung ist der eigentliche Sinn dieser ganzen Übung, und es ist dieselbe Disziplin, die wir auf Kundenarbeit anwenden: Eine Zahl, die Sie nicht reproduzieren können, ist kein Beweis. Dieselbe Lektion lernten wir auf die harte Tour mit einem Experiment mit einer synthetischen Marke, bei dem ein Modell selbstbewusst ein Unternehmen beschrieb, das nicht existierte. Die Messung einer echten Marke hat den umgekehrten Fehlermodus, das selbstbewusste Melden von null, wenn die Wahrheit unbekannt ist, und unser Mai-Skript tat genau das im Wortsinn. Beides läuft auf dieselbe Pflicht hinaus: Prüfen Sie das Instrument, bevor Sie dem Messwert vertrauen, auch und gerade dann, wenn Sie das Instrument selbst geschrieben haben.

Zweitens sind Identitätsabfragen gewinnbar und transaktionale nicht, zumindest nicht on-page. Wir halten die enge Positionierungsabfrage, weil sie spezifisch und nur leicht umkämpft ist. Wir verlieren die kommerziellen Abfragen, weil sich die Modelle auf Verzeichnisse und breit aufgestellte Agenturen stützen, und keine Menge an saubererem HTML ändert, mit wem ein Modell bereits einen “WooCommerce-Entwickler” assoziiert. Das ist ein Off-Page-Autoritätsproblem.

Drittens zählt der Kanal, auch wenn man noch nicht sagen kann, warum. Dieselbe Marke schnitt in Perplexity am stärksten ab und tauchte in ChatGPT kein einziges Mal auf, im selben Lauf, auf demselben Abfragesatz, unter denselben Einstellungen. Eine Erklärung dafür haben wir nicht. Was wir haben, ist die Aufschlüsselung nach Modellen, die den Unterschied zeigt, und das genügt, um zu wissen, wo als Nächstes zu suchen ist. Ein einziger gemischter “KI-Sichtbarkeitswert” verbirgt genau die Information, die Sie brauchen, und liefert obendrein das trügerische Gefühl, etwas verstanden zu haben.

#Was wir geändert haben

Wir haben keine Seiten als Reaktion auf eine Proxy-Zahl umgeschrieben, denn das hieße, für ein Instrument statt für einen Kunden zu optimieren. Stattdessen änderte die Messung, wo wir Aufwand investieren.

• Wir haben den Abfragesatz und die Kadenz festgelegt: eine stabile Liste von Identitäts-, Informations- und Transaktionsabfragen, monatlich erfasst, mit Engine, Datum und dem Namenszeichen der Person, die die Zeile ausgefüllt hat. Die Zeile Owner ist keine Deko mehr.
• Wir kennzeichnen jede Zahl mit ihrem Instrument und dessen Einstellungen, einschließlich der Frage, ob das Modell Live-Suche hatte, und stellen keine Zahlen aus zwei verschiedenen Instrumenten nebeneinander.
• Der Mai bleibt in der Reihe als fehlende Daten markiert, nicht als Null. Das Auswertungsskript zählt leere Zeilen weiterhin in den Nenner der Zitationsrate, und bis wir das beheben, geht keine Null aus dieser Pipeline in einen Bericht, ohne dass jemand prüft, wie viele Zeilen tatsächlich ausgefüllt wurden.
• Wir haben die Arbeit an der transaktionalen Sichtbarkeit off-page verlagert, weil die Lücke dort Assoziation und Autorität ist, nicht On-Page-Inhalt, und das ist in unserem Vorgehen für GEO und LLMO dokumentiert statt in einer weiteren Überarbeitung.
• Wir liefern weiterhin alles in serverseitig gerendertem HTML aus, was die Voraussetzung dafür ist, überhaupt zitierbar zu sein, und das Thema unserer Notiz darüber ist, warum westliche Assistenten rohes HTML lesen.

#Wie Sie das selbst durchführen

Sie brauchen unser Budget nicht, um zu beginnen. Das ehrliche Mindestsetup ist eine feste Liste von zehn bis zwanzig Abfragen, die echte Kunden stellen würden, einmal im Monat ausgeführt, mit drei Spalten, die jedes Mal erfasst werden: die Engine, das Datum und ob Ihre Marke genannt oder Ihre URL verlinkt wurde. Fügen Sie eine vierte Spalte dafür hinzu, welche anderen Domains zitiert wurden, denn das sagt Ihnen, gegen wen Sie in der Antwort tatsächlich konkurrieren, und das ist selten der, den Sie vermuten. Eine fünfte dafür, wer die Zeile ausgefüllt hat. Das klingt genau so lange nach Bürokratie, bis Sie einen Bericht sehen, der aus einem Blatt erzeugt wurde, das niemand angefasst hat.

Wenn Sie ein automatisiertes Werkzeug verwenden, stellen Sie ihm zwei Fragen, bevor Sie einem einzigen Diagramm vertrauen: Liest du die API oder das Produkt, und hatte das Modell Live-Suche? Wenn es das nicht beantworten kann, behandeln Sie die Ausgabe nur als richtungsweisend, so wie alle drei unserer Läufe. Und wenn das Werkzeug Ihr eigenes ist, prüfen Sie noch eines: was es mit einer leeren Zeile macht. Lassen Sie es niemals fehlende Daten in eine selbstbewusste Null verwandeln.

#Das ehrliche Fazit

Ein Quartal der Messung unserer eigenen KI-Zitate brachte eine unbequeme Zahl hervor, unsere transaktionale Zitationsrate ist niedrig, und eine wirklich wertvolle Gewohnheit, niemals eine KI-Sichtbarkeitszahl ohne die Methode zu nennen, die sie erzeugt hat. Der Mai zeigte uns überhaupt nicht, er sah nur so aus. Der Juni legte eine vertretbare Identitätsposition offen, die der April nicht sehen konnte, und tat das, während er etwas anderes maß, als wir damals dachten. Alle drei Messwerte wurden erst in dem Moment nützlich, in dem wir aufgeschrieben haben, wie jeder zustande kam. Davor war einer von ihnen schlicht eine Null in einer Datei. Dies ist Bericht eins. Wir veröffentlichen die nächste Momentaufnahme am Ende des Quartals, auf demselben Abfragesatz, damit die Reihe verglichen statt bewundert werden kann. Wenn Sie von KI zitiert werden wollen, beginnen Sie damit, es ehrlich zu messen, und bauen Sie das in den Arbeitsablauf ein, den wir für GEO und LLMO beschreiben.