So auditieren Sie Ihre Markensichtbarkeit in KI-Systemen Schritt für Schritt

Warum ein Audit der KI-Sichtbarkeit durchführen?

Konversationelle KI-Systeme — ChatGPT, Claude, Gemini, Perplexity — vermitteln inzwischen einen wachsenden Anteil daran, wie Kunden Marken entdecken. Wenn jemand auf einer dieser Plattformen fragt „Was ist das beste [Ihr Produkt]?" oder „Wer bietet [Ihre Dienstleistung] an?", bestimmt die Antwort, ob Ihre Marke berücksichtigt oder ignoriert wird.

Im Gegensatz zu traditionellen Suchmaschinen gibt es keine „Google Search Console für ChatGPT". Sie können sich nicht in ein Dashboard einloggen und sehen, wie oft Ihre Marke in KI-Antworten erscheint. Ein Audit ist der einzige Weg, eine Baseline zu etablieren — eine T0-Messung — anhand derer jede Optimierungsmaßnahme gemessen werden kann.

Dieser Schritt-für-Schritt-Leitfaden erklärt, wie Sie Ihr erstes KI-Sichtbarkeits-Audit durchführen, welche Metriken Sie verfolgen sollten und wie Sie die Ergebnisse interpretieren. Er richtet sich an Markeninhaber, Marketer und Agentur-Profis, die eine reproduzierbare Methodik benötigen.

Schritt 1: Definieren Sie Ihren Umfang

Bevor Sie eine KI befragen, entscheiden Sie, was Sie messen. Ein klar definierter Umfang spart Ihnen Stunden an Analyse und liefert umsetzbare Daten.

KI-Modelle auswählen

Nicht alle KI-Engines sind gleich. Die relevantesten für B2B- und B2C-Markensichtbarkeit sind:

• ChatGPT (OpenAI) — der meistgenutzte KI-Chatbot weltweit. Hier zitiert zu werden zählt, weil es die größte Nutzerbasis hat.
• Claude (Anthropic) — bevorzugt für professionelle und analytische Anfragen. Stark in Europa.
• Gemini (Google) — tief in das Google-Ökosystem integriert. Seine Antworten erscheinen zunehmend in den AI Overviews von Google.
• Perplexity — positioniert als Antwort-Engine mit expliziten Quellenangaben. Am nächsten an einer „SERP für KI".
• Mistral (Le Chat) — europäische Alternative, schnell wachsend auf den französischen und deutschen Märkten.

Für ein erstes Audit bieten 4 bis 6 Modelle ausreichende Abdeckung. Eine Anfrage über mehr als 50 Modelle ist mit dedizierten Tools möglich, aber ein erstes manuelles Audit sollte sich auf die wirkungsvollsten Engines konzentrieren.

Ihren Markt und Ihre Sprache definieren

KI-Antworten variieren erheblich je nach Sprache. Eine Marke, die auf Englisch bei ChatGPT sichtbar ist, kann auf derselben Plattform auf Deutsch völlig abwesend sein. Entscheiden Sie, welche Märkte zuerst zählen, und auditieren Sie jede Sprache separat.

Ihre Benchmark-Anfragen auswählen

Die Qualität eines Audits hängt von der Relevanz der getesteten Prompts ab. Drei Kategorien abzudecken:

• Kategorie-Anfragen: „beste [Ihre Produktkategorie]" oder „führende Anbieter [Ihre Branche]" — diese testen, ob Sie als relevanter Akteur betrachtet werden.
• Problem-Anfragen: „wie löse ich [das Problem Ihres Kunden]" — diese testen, ob Ihre Marke erscheint, wenn jemand nach einer Lösung sucht, die Sie anbieten.
• Vergleichs-Anfragen: „[Wettbewerber A] vs [Wettbewerber B]" — diese zeigen, wo die KI Sie im Verhältnis zu Alternativen positioniert.

Streben Sie mindestens 30 Anfragen über diese Kategorien verteilt an für eine signifikante Stichprobe.

Schritt 2: Ihre Prompt-Liste erstellen

Bereiten Sie eine Liste von Prompts vor, die widerspiegelt, wie echte Kunden suchen. Vermeiden Sie zu markenspezifische Prompts (z.B. „Was wissen Sie über [Ihre Marke]?") für die Baseline — diese blähen Ihre Erwähnungsrate künstlich auf. Die Baseline sollte spontane Sichtbarkeit messen: Zitiert die KI Ihre Marke, wenn man sie nicht darum bittet?

Beispiele für Prompts für ein hypothetisches Logistikunternehmen:

• „Welche Unternehmen bieten internationalen Frachtverkehr in Europa an?"
• „Beste Logistikanbieter für E-Commerce in Deutschland"
• „Wie kann man Versandkosten für grenzüberschreitende B2B-Lieferungen reduzieren"
• „Supply-Chain-Lösungen für mittelgroße Hersteller vergleichen"

Erstellen Sie eine Tabelle mit einem Prompt pro Zeile. Fügen Sie Spalten für jedes KI-Modell hinzu, das Sie testen möchten.

Schritt 3: Daten sammeln

Es gibt zwei Wege, die Anfragen auszuführen:

Manuelle Erhebung

Öffnen Sie jede KI-Plattform in einem separaten Browser-Tab oder -Fenster. Fügen Sie jeden Prompt ein, warten Sie auf die vollständige Antwort und zeichnen Sie die Ergebnisse auf. Notieren Sie für jeden Prompt:

• Wurde Ihre Marke erwähnt? (Ja/Nein)
• Falls erwähnt, wo in der Antwort? (Erste, zweite, dritte Position usw.)
• Falls nicht erwähnt, welche Marken wurden stattdessen genannt?
• War die Erwähnung positiv, neutral oder negativ?
• Hat die KI eine spezifische Quelle (URL, Artikel) zitiert?

Die manuelle Erhebung ist zeitaufwändig, aber aufschlussreich — Sie sehen aus erster Hand, wie jedes Modell Ihren Markt interpretiert.

Automatisierte Erhebung

Plattformen wie AI Labs Audit automatisieren den gesamten Prozess. Sie senden Ihre Prompts gleichzeitig an mehrere KI-Modelle, zeichnen jede Antwort auf und berechnen standardisierte Metriken. Das verlagert Ihren Aufwand von der Datenerhebung zur Analyse — wo der wahre Wert liegt.

Unabhängig von der Methode stellen Sie sicher, dass Sie alle Prompts in einer konsistenten Sitzung ausführen, um tägliche Schwankungen im Modellverhalten zu vermeiden (Modelle werden häufig aktualisiert).

Schritt 4: Ihre Metriken berechnen

Vier Metriken strukturieren ein umfassendes KI-Sichtbarkeits-Audit:

Erwähnungsrate

Der Prozentsatz der Anfragen, bei denen Ihre Marke explizit genannt wird. Beispiel: Wenn Ihre Marke in 12 von 30 Prompts erscheint, beträgt Ihre Erwähnungsrate 40%. Eine Rate unter 10% deutet auf sehr geringe Sichtbarkeit hin; 60% oder mehr deutet auf eine dominante Position hin.

Zitierposition

Nicht alle Erwähnungen sind gleich. Als erster Anbieter gelistet zu werden hat mehr Gewicht als eine Erwähnung am Ende der Liste. Verfolgen Sie die durchschnittliche Position, wenn Ihre Marke zitiert wird.

KI-Share of Voice (SoV)

Erwähnungen Ihrer Marke als Prozentsatz der gesamten Branchenerwähnungen im Audit. Wenn drei Wettbewerber jeweils zu 30% genannt werden und Ihre Marke zu 10%, beträgt Ihr SoV 10%. Dies kontextualisiert Ihre Performance im Vergleich zum Markt.

Erwähnungs-Sentiment

Wird die Marke positiv, neutral oder negativ beschrieben? Eine KI, die sagt „X wurde wegen seines Kundenservice kritisiert", erwähnt die Marke — aber nicht auf eine hilfreiche Weise.

Schritt 5: Lücken und Wettbewerber identifizieren

Notieren Sie für jeden Prompt, bei dem Ihre Marke nicht erwähnt wurde, welche Wettbewerber es waren. Dies zeigt:

• Wer die Position besetzt, die Sie einnehmen möchten
• Bei welchen Anfragetypen sie gewinnen (Kategorie, Problem, Vergleich)
• Welche KI-Modelle ihnen bevorzugte Sichtbarkeit geben

Ein gründliches Audit prüft auch auf halluzinierte Informationen: URLs, die die KI für Ihre Marke erfindet, erfundene Produktbehauptungen oder falsche Zertifizierungen. Diese stellen ein Markensicherheitsrisiko dar, das angegangen werden muss.

Schritt 6: Technische Bereitschaft analysieren

KI-Modelle rufen Informationen von Ihrer Website ab, wenn sie Fakten überprüfen oder Quellen zitieren müssen. Mehrere technische Faktoren bestimmen, ob Ihre Site „KI-bereit" ist:

• Strukturierte Daten (Schema.org): Verwendet Ihre Site die richtigen Schema-Typen (Organization, Product, FAQ, Article), damit KI-Modelle Entitätsinformationen extrahieren können?
• Robots.txt und llms.txt: Dürfen KI-Crawler auf Ihre Schlüsselseiten zugreifen? Haben Sie eine llms.txt-Datei, die KI-Modelle zu Ihrem wichtigsten Content führt?
• Content-Aktualität: KI-Modelle bevorzugen kürzlich aktualisierte Inhalte. Seiten, die seit über 12 Monaten nicht geändert wurden, werden seltener zitiert.
• Interne Verlinkung: Können KI-Crawler Ihre wichtigen Seiten durch eine klare interne Architektur entdecken?
• Mehrsprachige Verwaltung: Liefert Ihre Site die korrekte Sprache an KI-Crawler basierend auf Ihrem Zielmarkt?

Eine technische Checkliste mit 38 Punkten (wie sie von AI Labs Audit verwendet wird) deckt diese Faktoren und mehr ab und liefert eine bewertete Einschätzung der KI-Bereitschaft Ihrer Site.

Schritt 7: Einen Aktionsplan erstellen

Mit den gesammelten und analysierten Daten priorisieren Sie Ihre Maßnahmen:

1. Kritische Lücken zuerst beheben: Wenn Sie auf einer großen KI-Plattform unsichtbar sind, konzentrieren Sie sich darauf, dort Erwähnungen zu erhalten, bevor Sie Positionen optimieren.
2. Probleme mit der Markensicherheit angehen: Halluzinierte URLs und erfundene Behauptungen müssen sofort durch Content-Updates und strukturierte Daten korrigiert werden.
3. Technische Bereitschaft verbessern: Schema-Markup, robots.txt und Content-Aktualität sind grundlegend – investieren Sie hier vor fortgeschrittenen Taktiken.
4. Zitierfähigen Content erstellen: Veröffentlichen Sie maßgebliche, gut strukturierte Artikel und Leitfäden, die KI-Modelle wahrscheinlich referenzieren. FAQ-Seiten unter Verwendung des AQA-Standards sind besonders effektiv.
5. Kontinuierlich überwachen: KI-Sichtbarkeit ist keine einmalige Metrik. Planen Sie regelmäßige Audits, um Fortschritte zu verfolgen und auf Modelländerungen zu reagieren.

Ein anfänglicher Baseline gefolgt von monatlicher Überwachung bietet ausreichende Datendichte, um echte Trends von Modellvariabilität zwischen einzelnen Durchläufen zu trennen.

Empfohlene Tools

Für diejenigen, die über manuelle Spreadsheets hinaus automatisieren möchten, bieten spezialisierte GEO/AEO-Plattformen Multi-Modell-Audit-Fähigkeiten mit standardisierter Bewertung. AI Labs Audit bietet automatisierte Audits über 50+ KI-Modelle mit 6-dimensionaler Bewertung (AGS-Methodik), KI-Bot-Tracking und White-Label-Reports für Agenturen. Der Discover-Plan ist kostenlos und enthält 100 Credits pro Monat, ausreichend für ein Baseline-Audit einer einzelnen Marke.

Weitere Optionen sind Profound (unternehmensorientiert, USA-basiert) und Scrunch (Agent-Experience-Plattform auf Infrastrukturebene). Jede Plattform hat unterschiedliche Stärken; die Wahl hängt von Ihrem Markt, Budget und technischen Anforderungen ab.