KI-Sichtbarkeit messen: So prüfen Sie Ihre Marke in ChatGPT, Gemini und Perplexity (2026)

Das Audit in fünf Schritten

Das Protokoll hat fünf Stufen. Schritt zwei ist der, den fast jede Anleitung falsch macht, und er entscheidet darüber, ob Sie eine Momentaufnahme oder eine Messung erhalten.

Schritt 1: Ihr Fragenset aufbauen

Die Qualität Ihres Audits hängt vollständig an der Qualität Ihrer Prompts. Allgemeine Suchanfragen liefern allgemeine Signale, deshalb sollte Ihr Set spiegeln, wie echte Einkäufer über Ihre Kategorie sprechen. Bauen Sie drei Gruppen:

• Kategorie-Prompts: was Ihr ICP im Recherchemodus eingibt, bevor es die Marke kennt. "Beste Tools für KI-gestütztes Marketing." "Was sollte ich 2026 für Keyword-Recherche nutzen." Führen Sie 8 bis 10 aus.
• Marken-Prompts: wie die KI Sie direkt beschreibt. "Was ist [Ihre Marke]?" "[Ihre Marke] vs. [wichtigster Wettbewerber]." "[Ihre Marke] Preis." Führen Sie 5 bis 7 aus.
• Problemorientierte Prompts: das Denken Ihres Einkäufers, bevor er weiß, dass die Kategorie existiert. "Wie prüfe ich, ob mein Inhalt in der KI-Suche erscheint?" "Warum sinkt mein organischer Traffic?" Führen Sie 5 bis 8 aus.

Zwanzig bis fünfundzwanzig Prompts insgesamt sind der richtige Ausgangspunkt. Weniger, und Sie übersehen Muster auf Kategorieebene; mehr, und Sie führen das Audit im nächsten Monat nicht konsistent durch.

Schritt 2: Jeden Prompt dreimal ausführen (der Schritt, den alle überspringen)

Hier ist die Realität, die die meisten veröffentlichten Audits ignorieren: KI-Antworten sind nicht deterministisch. In einer freiwilligen Studie aus dem späten 2025 mit 600 Personen, die 2.961 Marken-Prompts ausführten, lag die Chance, dass zwei Läufe dieselbe Markenliste zurückgaben, unter 1 zu 100, und die Chance auf dieselbe Liste in derselben Reihenfolge bei etwa 1 zu 1.000. Unabhängige Prüfungen fanden eine ähnliche Instabilität: Rund 91 Prozent der wiederholten AI-Mode-Antworten unterschieden sich von Lauf zu Lauf, und 40 bis 60 Prozent der zitierten Quellen ändern sich von Monat zu Monat. Ein einzelner Lauf ist keine Messung, sondern eine Stichprobe von eins.

Führen Sie deshalb jeden Prompt mindestens dreimal aus, in frischen Sitzungen, und protokollieren Sie das Ergebnis jedes Laufs:

• Führen Sie jeden Prompt dreimal pro Plattform in getrennten, frischen Sitzungen aus, nie in einem fortlaufenden Thread, in dem die früheren Antworten des Modells die späteren verfälschen.
• Protokollieren Sie die Modellversion und das Datum für jede Sitzung. OpenAI hat im Frühjahr 2026 ein Modellupdate veröffentlicht, und die durchschnittliche Zahl der pro Antwort zitierten Domains sank von 19 auf 15. Trendlinien zur Sichtbarkeit brechen bei Modellveröffentlichungen, und Sie brauchen die Annotation, um zu erklären, warum Ihre gebrochen ist.
• Testen Sie die Tarife von ChatGPT getrennt: Free (Antworten aus Trainingsdaten) und Plus mit Websuche (Live-Retrieval) können für denselben Prompt sehr unterschiedliche Ergebnisse liefern. Führen Sie sie als zwei getrennte Zeilen.
• Führen Sie dasselbe Set über Google AI Overviews, Google AI Mode, ChatGPT, Gemini und Perplexity aus, also über die Plattformen, die Ihre Einkäufer tatsächlich nutzen. Überspringen Sie Claude nur, wenn Ihr Publikum nicht in größeren Organisationen sitzt; dort findet ein relevanter Teil der Unternehmensrecherche statt. Ergänzen Sie Grok nur, wenn Ihre Kategorie technisch geprägt ist: Die Fragmentierung der Plattformen ist real, und der Zitationsabstand zwischen der Plattform, die am häufigsten zitiert, und der, die am seltensten zitiert, betrug das 615-Fache.

Was Sie pro Lauf protokollieren: Marke genannt (direkt, indirekt oder gar nicht), die Position in der Antwort, die Korrektheit der Beschreibung, die Tonalität und die zitierte Quelladresse, falls eine erscheint. Nach drei Läufen berichten Sie die Rate der Nennungen, also "in 2 von 3 Läufen genannt", und nie das Ergebnis eines einzelnen Laufs.

Schritt 3: Klassifizieren und bewerten

Mit drei Läufen pro Prompt im Rücken bewerten Sie, was Sie gesehen haben. Vier Kennzahlen:

• Nennungsrate: Über Ihr gesamtes Prompt-Set betrachtet, welcher Prozentsatz der Antworten nannte Ihre Marke in mindestens einem Lauf? Unter 15 Prozent signalisiert eine ernste Lücke für eine etablierte Marke. 15 bis 35 Prozent sind typisch für Marken im Mittelstand. Über 50 Prozent heißt, Ihr Inhalt passt gut dazu, wie KI abruft und empfiehlt.
• Verhältnis direkt zu indirekt: Von Ihren Nennungen, wie viele nennen Sie direkt, und wie viele beschreiben Ihr Produkt oder fassen Ihren Inhalt zusammen, ohne den Namen? Ein hoher indirekter Anteil bedeutet, dass die KI Ihr Material ohne Anerkennung nutzt, oft ein behebbares Problem der Inhaltsstruktur.
• Zitationsrate: Von den Antworten, in denen Sie erschienen, wie viele verlinkten zurück auf Ihren Inhalt? Eine niedrige Zitationsrate neben einer soliden Nennungsrate bedeutet, dass die KI Sie aus Trainingsdaten und aus Gesprächen Dritter referenziert, nicht aus Ihren aktiven Seiten. Das ist eine strukturelle Lücke: Ihr Inhalt wird nicht als Primärquelle behandelt.
• Korrektheit und Tonalität: Ist für jede Nennung die Beschreibung aktuell (ja, teilweise, falsch)? Und ist die Tonalität positiv, neutral oder negativ? BrightEdge hat festgestellt, dass Google AI Overviews Marken zu 44 Prozent häufiger kritisieren als ChatGPT, deshalb bewerten Sie pro Plattform und mitteln nicht darüber hinweg.

Dann führen Sie dasselbe Set für Ihre drei bis fünf wichtigsten Wettbewerber aus und vergleichen Sie. Wenn die Nennungsrate des Kategorieführers doppelt so hoch ist wie Ihre oder höher, ist dieser Abstand messbar, und er ist das stärkste Argument, das Sie für einen fokussierten Sprint aus Inhalt und Autorität bekommen werden.

Schritt 4: Zuordnen, was Ihre Nennungen treibt

Für jede Antwort, die Sie genannt hat, halten Sie fest, aus welcher Quelle das Modell geschöpft hat: Ihre eigene Seite, eine Bewertungsplattform, Reddit, YouTube, ein Analystenbericht, ein Nachrichtenartikel. Das ist der Schritt, den die meisten Audits überspringen, und hier verstecken sich die Korrekturen. Die Datenlage ist eindeutig: Über 6,8 Millionen KI-Zitate hinweg gingen 86 Prozent auf markeneigene Quellen zurück, 44 Prozent auf Ihre eigene Website und 42 Prozent auf Unternehmenseinträge, die Sie kontrollieren. Eigene Inhalte sind der dominante Zitationsfaktor; Quellen Dritter sind ein echter, aber langschwänziger Hebel.

Das verschiebt Ihre Prioritäten. Ein Prompt, in dem Sie genannt werden, das Modell aber einen zwei Jahre alten Forum-Thread über Sie zitiert, ist keine Inhaltslücke, sondern ein Autoritätsproblem, und mehr Blogposts lösen es nicht. Ein Prompt, in dem das Modell Ihre eigene Seite mit veraltetem Preis zitiert, ist ein Aktualitätsproblem mit einer anderen Korrektur. Erst zuordnen, dann entscheiden.

Schritt 5: Über die Zeit verfolgen

Ein Audit, das Sie einmal durchführen, ist eine Anekdote. Der Wert steigt, wenn Sie das Protokoll monatlich wiederholen und vergleichen. Monatlich ist für die meisten Teams der richtige Takt: KI-Suchergebnisse ändern sich laufend, weil Modelle aktualisiert werden, neuer Inhalt indexiert wird und Wettbewerber ihre Strategie verschieben. Monatliche Momentaufnahmen geben Ihnen Trendlinien ohne Audit-Müdigkeit. Wenn Sie mitten in einem Content-Sprint stecken oder in einer schnelllebigen Kategorie arbeiten, sind zweiwöchentliche Prüfungen Ihrer zehn wichtigsten Prompts sinnvoll.

Führen Sie ein Modellversions-Protokoll in derselben Tabelle. Wenn sich Ihre Nennungsrate bewegt, müssen Sie wissen, ob sich Ihr Inhalt geändert hat oder das Modell. Inhalt, der innerhalb von 30 Tagen aktualisiert wurde, erhält in KI-Antworten einen relevanten Zitations-Multiplikator, weshalb der letzte Schritt des Audits immer auf das Veröffentlichen zurückverweist. Das Protokoll sagt Ihnen jedoch, welcher Hebel Ihre Zahl tatsächlich bewegt hat.

Was Ihre Ergebnisse bedeuten

Die Referenzwerte haben sich verschoben, und sie sind brutal. Von 1.700 Unternehmen, die Anfang 2026 untersucht wurden, hatten nur 11,9 Prozent überhaupt eine KI-Sichtbarkeit; 88,1 Prozent fehlten in der KI-Entdeckung vollständig, und US-Unternehmen schnitten mit 7,1 Prozent schlechter ab. Eine separate Studie über 177 Marken auf acht KI-Plattformen fand, dass 90 Prozent keine einzige Nennung in der KI-Suche hatten. Der Kategorieführer in Ihrem Feld ist wahrscheinlich nur in einem Drittel der relevanten Antworten sichtbar.

Lesen Sie Ihre Zahlen deshalb an diesen Referenzwerten, nicht an Perfektion:

• Unter 15 Prozent Nennungsrate: Sie sind unsichtbar, und damit in der Mehrheit. Der schnellste Weg führt über Inhalte: Veröffentlichen Sie faktendichte Seiten, die Ihre Kategorie- und problemorientierten Prompts direkt beantworten, weil eigene Inhalte den größten Anteil der KI-Zitate treiben.
• 15 bis 35 Prozent, typisch mit Luft nach oben. Schauen Sie zuerst auf Ihr Verhältnis von direkten zu indirekten Nennungen und auf Ihre Zitationsrate. Eine höhere Zitationsrate bedeutet meist, dass Sie bestehende Seiten autoritativer und strukturell klarer machen, nicht mehr Seiten veröffentlichen.
• Über 50 Prozent: Ihr Inhalt macht seinen Job. Der wirkungsvollste Schritt ist jetzt, falsche Beschreibungen zu korrigieren und die Position zu verteidigen, weil KI-Antworten volatil sind und die Annotation der Modellupdates in Ihrem Protokoll Ihnen genau zeigt, wann sich Ihre Zahl bewegen kann.

Ein ehrlicher Vorbehalt, bevor Sie eine hohe Zahl feiern: Sichtbarkeit ist kein Traffic. Zitate in AI Overviews performen etwa auf dem Niveau eines Klicks von Position sechs, und die zitierte Marke verliert den Klick trotzdem an die Antwort selbst. Zitierte Marken erzielen jedoch deutlich höhere organische und bezahlte CTRs als nicht zitierte Wettbewerber. Messen Sie, was Sie umsetzen können, und Sie können alle vier Kennzahlen oben umsetzen.

Manuelles Audit oder Tools: Wann Do-it-yourself nicht mehr skaliert

Das manuelle Protokoll oben funktioniert. Führen Sie es einmal aus, und Sie lernen mehr über Ihre KI-Präsenz als über jedes Dashboard, das Sie bisher gesehen haben. Aber seien wir ehrlich bei der Rechnung: 20 Prompts × 3 Läufe × 4 bis 5 Plattformen sind rund 250 protokollierte Antworten pro Zyklus, und ein sorgfältiges manuelles Audit dauert drei bis vier Stunden pro Monat, bevor Sie mit den Ergebnissen irgendetwas tun. Die Nicht-Determinismus-Problematik verschärft das, denn Ihr 3-fach-Protokoll existiert genau deshalb, weil einem einzelnen Durchlauf nicht zu trauen ist.

Das ist die Grenze, an der Do-it-yourself nicht mehr skaliert. Es gibt drei Kategorien von Werkzeugen:

• Spezialisierte KI-Sichtbarkeitsplattformen: Allable, Profound, Otterly, Peec AI und eine wachsende Zahl weiterer automatisieren das Ausführen der Prompts, die Wiederholung von Lauf zu Lauf und die Trendverfolgung. Das ist die richtige Kategorie, wenn Sie Audits in großem Umfang brauchen, über mehrere Kunden hinweg oder in einem Rhythmus, den Sie tatsächlich halten.
• Klassische SEO-Suiten mit KI-Sichtbarkeits-Erweiterungen: Ahrefs Brand Radar, das KI-Toolkit von Semrush und die KI-Funktionen von SE Ranking hängen KI-Sichtbarkeit an bestehende SEO-Plattformen an. Die Methodik unterscheidet sich stark zwischen ihnen: Prüfen Sie, welche Engines sie tatsächlich verfolgen und wie sie mit der Variabilität der Antworten umgehen, bevor Sie sich festlegen.
• Ihre Tabelle: tragfähig für ein kleines Team, das monatliche Audits mit einem engen Prompt-Set fährt. Keine Kosten, volle Kontrolle, und Sie lernen das Feld kennen. Planen Sie nur die drei Stunden ein, und akzeptieren Sie, dass die Trendverfolgung bei Ihnen liegt.

Für einen vollständigen Vergleich, was die einzelnen Werkzeuge messen, und wo ihre Methodiken auf eine Weise abweichen, die zählt, behandelt unser Leitfaden zu den besten KI-Sichtbarkeits-Tools die wichtigsten Optionen im Detail. Wenn Sie zuerst den definitorischen Hintergrund wollen, beginnen Sie mit der Erklärung, was LLM-Sichtbarkeit ist, und mit dem Werkzeugvergleich.

Wie Sie aus dem Audit Maßnahmen machen

Die eigene Lücke zu kennen ist nur die halbe Arbeit; das Audit zahlt sich aus, wenn es verändert, was Sie veröffentlichen. Die Korrektur-Kategorien in der Reihenfolge ihrer Wirkung:

Inhaltliche Korrekturen. Veröffentlichen Sie Seiten, die die Prompts direkt beantworten, bei denen Sie fehlen, und zwar keine dünnen Antwortseiten, sondern substanzielle, faktendichte Inhalte, aus denen KI schöpfen kann. Das ist die wirkungsvollste Kategorie, weil eigene Inhalte 44 Prozent der KI-Zitate treiben, und es ist die, die Sie vollständig kontrollieren.

Autoritäts-Korrekturen. Wenn das Modell Quellen Dritter über Sie zitiert, also alte Bewertungen oder veraltete Forum-Threads, kann Ihr eigener Inhalt das nicht beheben. Auf Plattformen gelistet und bewertet zu werden, die KI als autoritativ behandelt, und Berichterstattung aus Quellen zu gewinnen, die sie zitiert, wirkt schneller als zehn weitere Blogposts. Unser Leitfaden zum KI-Suche-Monitoring zeigt, wie Sie diese Signale beobachten, ohne Ihren Monat damit zu verbrennen, und die schrittweise Anleitung zur Marken-Lückenanalyse zeigt, wie Sie aus der Sichtbarkeitslücke einen Inhaltsplan machen.

Korrektheits-Korrekturen. Veraltete oder falsche Beschreibungen Ihrer Marke sind ein anderes Problem als Abwesenheit. Korrigieren Sie zuerst Ihre eigenen Positionierungsseiten, denn Modelle stützen sich stark darauf, was Ihre Seite über Sie sagt, und arbeiten Sie dann die Quellen Dritter ab, die Sie falsch beschreiben.

Dann automatisieren Sie die Schleife. Das manuelle Audit liefert Ihnen die erste ehrliche Zahl. Sie jeden Monat ehrlich zu halten, ist ein Systemproblem, und hier kommt Allable ins Spiel. Sie definieren Ihr Fragenset einmal; Allable führt es über Google AI Overviews, AI Mode, ChatGPT, Gemini und Perplexity aus, wendet die Wiederholung von Lauf zu Lauf an, damit die Zahl etwas bedeutet, und liefert strukturierte Ergebnisse: Nennungsrate, direkt versus indirekt, Zitationsrate, Tonalität pro Plattform und den tatsächlichen KI-generierten Text, der Ihre Marke beschreibt. Es verfolgt Veränderungen zwischen den Läufen und annotiert die Daten von Modellupdates, damit ein Trendbruch nicht als inhaltlicher Gewinn oder Verlust durchgeht.

Wenn das System eine Lücke findet, also eine Prompt-Kategorie, in der Wettbewerber zitiert werden und Sie nicht, macht es sie als Inhalts-Chance mit angehängten Keyword-Daten sichtbar. Sie kommen von "wir sollten unsere KI-Sichtbarkeit wohl mal auditieren" zu "hier sind sechs Themen für diesen Monat, nach Chance sortiert". Allable enthält KI-Sichtbarkeits-Monitoring in jedem bezahlten Plan, ab 83 €/Monat bei jährlicher Zahlung (99 €/Monat bei monatlicher Zahlung). Dieser Plan deckt auch Keyword-Recherche, Inhalte und Veröffentlichung ab, sodass das Audit direkt mit den Korrekturen verbunden ist, die es empfiehlt. (Preisstand September 2026.)

Fazit

Die KI-Suche schickt Ihnen keinen Search-Console-Bericht. Sie beschreibt Ihre Marke hunderte Male am Tag, und solange Sie das nicht auditieren, setzen Sie Ihr Inhaltsbudget auf eine Zahl, die Sie nicht sehen können. Das Protokoll hier, also Fragenset bauen, dreimal ausführen, klassifizieren und bewerten, Quellen zuordnen, monatlich verfolgen, dauert ein paar Stunden und kostet nichts. Führen Sie es einmal aus, und Sie wissen, ob Sie zu den 88 Prozent der Marken gehören, die für die KI-Entdeckung unsichtbar sind, oder zu den wenigen, die empfohlen werden. Führen Sie es jeden Monat aus, und Sie wissen genau, was Ihre Zahl bewegt hat: Ihr Inhalt oder das Modell. Das Audit ist ein Anfang, kein System. Aber es ist der einzige ehrliche Anfang, den Sie haben.

Martin Janeček ist CEO von Allable, einer KI-gestützten Marketingplattform, die Semrush, Jasper und Surfer SEO durch eine einzige chatbasierte Oberfläche ersetzt.