Kurz gesagt: Ein Claude-Audit misst, wie das Modell auf Fragen antwortet, die ein echter Käufer stellen könnte, insbesondere wenn die Marke in der Frage nicht genannt wird. Es verspricht weder Erwähnungen noch Zitate. Es trennt spontane Kenntnis, Auslassung, Entitätsverwechslung und möglicherweise erfundene Details und führt zu Maßnahmen, deren Ergebnis überprüft werden kann.
Dokumentierte Anhaltspunkte: Unser Studienkorpus umfasst 6.820 reale KI-Antworten. Die Ausgabe vom Juli 2026 des Observatoriums umfasst 89 Marken und 145 Audits. Bei unserer Prüfung am 9. November 2026 zeigt die französische Preisseite für DÉCOUVERTE eine Grenze von 3 KI-Systemen und 5 Szenarien pro Audit sowie einen Katalog mit mehr als 50 Modellen für alle Pläne. Diese Zahlen beschreiben unterschiedliche Erhebungs- und Produktumfänge, keinen Marktdurchschnitt und kein erwartetes Ergebnis.
Warum Sichtbarkeit in Claude messen?
Eine Claude-Antwort kann überzeugend klingen und trotzdem nichts über die Präsenz einer Marke belegen. Steht der Unternehmensname im Prompt, kann das Modell ihn aufgreifen. Enthält die Antwort ein schmeichelhaftes, aber nicht belegbares Detail, kann es sich um eine Erfindung handeln. Wenn Wettbewerber in ungebundenen Fragen wiederkehren, beschreibt das ein Ergebnis dieses Frage-Sets, nicht den gesamten Markt.
Die nützliche Frage ist enger: Nennt Claude die Marke korrekt, wenn jemand ohne Markennamen nach einer Empfehlung, einem Vergleich oder einer Lösung fragt? Diese Trennung verhindert, dass Prompt-Echo mit spontaner Sichtbarkeit verwechselt wird.
Ein Audit ist sinnvoll bei Entscheidungen, die mit längerer Recherche, Vergleichen oder professionellen Arbeitsabläufen verbunden sind. Es unterstellt dem Modell keine Absicht. Es dokumentiert Antworten unter stabilen Bedingungen und verhindert Entscheidungen aus einem einzelnen Chat.
Markenfragen und ungebundene Fragen trennen
Die beiden Fragetypen beantworten unterschiedliche Fragen. Ungebundene Fragen beobachten spontane Sichtbarkeit: Kategorie, Bedarf, Lösungsart, Land oder Kaufsituation ohne Markenname. Markenfragen prüfen danach die Genauigkeit von Angebot, Produkten, Standort, Richtlinien und Identitätsangaben.
| Fragetyp | Beobachtung | Vorsichtige Einordnung |
|---|---|---|
| Ohne Marke | Die Marke wird genannt, ausgelassen oder verwechselt. | Zeigt Präsenz in diesem Szenario, keine allgemeine Zusage. |
| Mit Marke | Behauptete Fakten und ihre Grenzen. | Markiert Prüfbedarf, bestätigt keinen Fakt allein durch die Antwort. |
| Vergleichend | Alternativen und ihr Kontext. | Zeigt Konkurrenz in einer Antwort, keinen Marktanteil. |
| Mit Websuche | Sichtbare URLs oder Quellen. | Eröffnet Prüfquellen, beweist aber keine Ursache. |
Eine Marke kann nach ihrer Nennung im Prompt erscheinen und trotzdem bei Kategorienfragen fehlen. Sie kann spontan erscheinen und zugleich falsch beschrieben sein. Ein einzelner Wert kann diese Fälle nicht sauber auseinanderhalten.
Ein überprüfbares Fragen-Set aufbauen
Der Anfang ist keine lange Taktikliste, sondern ein dokumentiertes Fragen-Set. Jede Frage braucht eine klare Funktion: Kategorieentdeckung, Vergleich, Anwendungsfall, Einwand, lokaler oder branchenspezifischer Bedarf. Schreiben Sie vor dem Lauf auf, was die Frage klären soll. Dann lässt sich später begründen, warum sie existiert und ob sie unverändert bleiben muss.
- Markt, Sprache und Käuferprofil definieren.
- Für die spontane Messung Fragen ohne Markenname schreiben.
- Getrennte Markenfragen zur Faktenprüfung ergänzen.
- Formulierung, Datum, Modell und Modus zu jeder Antwort speichern.
- Wettbewerber, sichtbare URLs und unbelegte Aussagen notieren, ohne sie zu Tatsachen zu machen.
Wiederholung ist wichtig, weil Antworten variieren können. Sie macht daraus keinen universellen Durchschnitt. Sie senkt vor allem das Risiko, eine Entscheidung auf einen günstigen oder ungünstigen Einzelfall zu stützen. Vergleichbar sind nur gleiche Fragen, gleiche Sprache und dokumentierter Kontext.
Was ein Claude-Audit erfassen sollte
Spontane Erwähnung
Notieren Sie, ob die Marke in einer ungebundenen Frage genannt wird, an welcher Stelle und mit welchen Begriffen. Eine Erwähnung ist nicht automatisch eine Empfehlung. Umgekehrt beweist das Fehlen nicht, dass die Marke überall unbekannt ist. Es zeigt nur, dass sie in diesem Szenario nicht erschien.
Genauigkeit und mögliche Erfindungen
Jede konkrete Angabe braucht eine unabhängige Kontrollquelle: Produkte, Zertifikate, Länder, Preise, Gründer oder Verfügbarkeit. Eine nicht auflösbare URL, ein unbelegtes Detail oder eine vorsichtige Formulierung beweisen keine Erfindung. Sie sind Prüfpunkte, die mit eigenen Seiten und dokumentierbaren Quellen verglichen werden müssen.
Wettbewerber und sichtbare Quellen
Erfassen Sie, welche Wettbewerber bei welchem Fragetyp mit welchem Argument erscheinen. Werden im Websuchmodus URLs angezeigt, erfassen Sie diese ebenfalls. Solche Listen erklären nicht allein, warum eine Antwort entstand. Sie helfen bei der Auswahl von Seiten, Definitionen und Drittquellen, die vor einer Überarbeitung geprüft werden sollten.
Was ein Prompt-Audit über die API bedeutet
Ein Test über die Claude-API bildet Antworten in der Claude-Oberfläche nicht automatisch ab. Modell, verfügbare Werkzeuge, Kontext und Einstellungen können abweichen. Ein Bericht sollte deshalb Testkanal, Modell, Modus und Datum getrennt festhalten.
Ein Prompt-Audit über die Claude-API ist ein kontrolliertes Testprotokoll, keine geheimnisvolle Produktfunktion. Autorisierte Prompts laufen über eine konfigurierte Integration; Prompttext, Modellkennung, relevante Einstellungen, Datum und Ausgabe bleiben erhalten. Ohne diese Spur lässt sich nicht zwischen Inhaltsänderung, Prompt-Änderung, Modellwechsel und normaler Antwortvariation unterscheiden.
Das Protokoll darf einfach sein: eine Prompt-Bibliothek mit Absicht pro Eintrag, getrennte Marken- und Nichtmarkenszenarien, gespeicherter Ausführungskontext und menschliche Prüfung riskanter Faktenbehauptungen. Eine einzelne API-Ausgabe ist kein Benchmark. Eine Begriffserklärung steht im Glossar zum Claude-Audit.
Das Informationsumfeld verbessern
Das vernünftige Ziel ist nicht, eine Antwort zu erzwingen. Informationen sollen für Leser und Systeme prüfbar werden. Beginnen Sie bei Seiten, auf denen ein wichtiger Fakt unklar, veraltet oder widersprüchlich ist. Halten Sie eine klare Referenzquelle vor, korrigieren Sie Abweichungen statt eine weitere Version hinzuzufügen und benennen Sie Grenzen offen.
Nützlicher Inhalt ist nicht einfach länger. Er beantwortet zuerst eine Frage, erklärt den Geltungsbereich und dokumentiert Grenzen. Eine Produktseite, eine ausführliche Methode, eine sauber abgegrenzte Studie oder aktualisierte Hilfe sind besser prüfbar als ein abstraktes Versprechen.
AI Labs Audit bewahrt die für die Analyse verwendeten Szenarien und Antworten sowie eine Audit-Historie auf. Je nach Plan kann der native Modellkontext mit einem Kontext mit Websuche verglichen werden. Das beschreibt die Abdeckung eines Audits, keinen universellen Standard. Mehr Fragen machen eine Schlussfolgerung nicht automatisch besser.
Vier häufige Ergebnisse einordnen
| Beobachtung | Mögliche Lesart | Überprüfbare Maßnahme |
|---|---|---|
| Keine spontane Erwähnung | Die Marke erscheint in diesem Frage-Set nicht. | Fragen, Kategorieseiten und unabhängige Referenzen prüfen, bevor Texte geändert werden. |
| Genaue Erwähnung | Die Antwort verbindet die Marke mit belegbaren Fakten. | Quellen schützen und benachbarte Fragen testen. |
| Ungenaue Erwähnung | Die Antwort verbindet die Marke mit einem unbestätigten Fakt. | Behauptung dokumentieren und eigene Quellen korrigieren. |
| Dominante Wettbewerber | Alternativen erscheinen in den Tests häufiger. | Abdeckung und Quellen vergleichen, bevor eine redaktionelle Lücke gewählt wird. |
Die Schlussfrage lautet nicht: Wie erzwingen wir ein Zitat? Sie lautet: Was lässt sich nach einer Änderung an Fakten, Seiten und neuen vergleichbaren Antworten zeigen? Dieser Maßstab schützt vor leichten Versprechen und dekorativen Änderungen.
Den Umfang vor dem Vergleich festlegen
Ein Ergebnis lässt sich kaum nachlesen, wenn zwischen zwei Läufen Sprache, Markt oder Reifegrad des Käufers wechseln. Beschreiben Sie deshalb vor dem Start den Umfang: abgedecktes Gebiet, geprüfte Leistung, Stichtag und eine mögliche Websuche. Diese Disziplin macht das Modell nicht magisch stabil. Sie macht Unterschiede lediglich interpretierbar.
Halten Sie auch fest, was die Übung nicht misst. Eine Antwort zeigt nicht automatisch, wie viele Menschen sie gelesen haben, welche Kaufentscheidung daraus entsteht oder welche einzelne Quelle den größten Einfluss hatte. Solche Grenzen offen zu benennen verhindert, dass aus einer nützlichen Beobachtung eine überzogene Behauptung wird.
Häufige Fragen
Wie lange dauert ein sorgfältiges Claude-Audit?
Die Dauer hängt von der Zahl der Fragen, getesteten Modelle und Modi sowie der menschlichen Prüfung von Faktenbehauptungen ab. Trennen Sie die Sammlung vergleichbarer Antworten von der Auswertung und prüfen Sie anschließend Erwähnungen, Genauigkeit und Wettbewerber anhand dokumentierter Fakten.
Was ist der Unterschied zwischen einem ChatGPT- und einem Claude-Audit?
Ein ChatGPT-Audit und ein Claude-Audit sind getrennte Messungen. Modelle, verfügbarer Suchkontext, Antworten und deren Variation können sich unterscheiden. Dasselbe Fragen-Set kann beim Vergleich helfen, doch jedes Ergebnis muss Modell und Modus behalten, statt ein Audit als Stellvertreter für ein anderes System zu behandeln.
Respektiert Claude robots.txt?
Ja. Die Anthropic-Dokumentation unterscheidet robots.txt-Steuerungen für ClaudeBot als Trainings-Crawler, Claude-SearchBot als Such-Crawler und Claude-User als von Nutzern ausgelösten Retrieval-Agenten. Eine Regel muss den passenden User Agent ansprechen. Einen Crawler zuzulassen oder zu blockieren beweist nicht, dass eine Marke in einer Antwort erscheinen wird oder nicht. Anthropic-Dokumentation. Hinweise zur Umsetzung finden Sie im Leitfaden zur Konfiguration von KI-Crawlern.
Kann ich sehen, wann Claude meine Website crawlt?
Serverlogs können Anfragen identifizierbarer User Agents zeigen, wenn die erforderlichen Felder gespeichert werden. Prüfen Sie User Agent und veröffentlichte Hinweise zur Validierung, bevor Sie Verkehr Claude zuordnen. Ein Crawl ist ein operativer Hinweis, kein Beleg für eine spätere Erwähnung.
Hat Claude einen Trainings-Cut-off?
Ja. Das verfügbare Wissen kann einen Cut-off haben, der vom Modell und seiner Konfiguration abhängt. Suchwerkzeuge können den verfügbaren Kontext ebenfalls verändern. Prüfen Sie die Dokumentation des getesteten Modells, notieren Sie Datum und Modus und leiten Sie keine Wissensgrenze aus einer einzelnen Antwort ab.
Sollte man Claude Opus, Sonnet und Haiku unterschiedlich optimieren?
Halten Sie die Faktenbasis konsistent und testen Sie die für Ihre Zielgruppe relevanten Modelle getrennt. Nehmen Sie nicht an, dass eine Antwort eines Modells eine andere vorhersagt. Speichern Sie Modell, Prompt und Modus, um Unterschiede zu prüfen statt zu raten.
Wie oft sollte Claude erneut auditiert werden?
Wiederholen Sie dasselbe Kernset nach wesentlichen Änderungen an Produktfakten, wichtigen Inhalten oder Marktbedingungen. Bewahren Sie frühere Läufe auf und vergleichen Sie gleichartige Bedingungen. Ein wiederkehrendes Audit ist nur nützlich, wenn Frage, Sprache, Kanal und Protokoll klar bleiben.
Fragen und Antworten
Wie lange dauert ein echtes Claude-Audit?
Ein seriöses Audit mit 40 bis 80 Prompts, beiden Claude-Modi und drei bis fünf Läufen pro Prompt braucht einige Stunden für den Start und zwei bis drei Tage für eine ruhige Analyse. Mit AI Labs Audit sind die Läufe selbst in Minuten fertig; der Großteil der Zeit fließt in die Interpretation und die priorisierte Maßnahmenplanung.
Worin liegt der echte Unterschied zwischen einem ChatGPT- und einem Claude-Audit?
ChatGPT stützt sich stark auf den Bing-Index, wenn es im Web sucht, sodass seine Quellen-Shortlist mit den Bing-Top-Ergebnissen überlappt. Claude nutzt den eigenen Retrieval-Stack von Anthropic und legt strengere Maßstäbe an faktische Autorität und Inhaltsstruktur an. Eine Marke, die in Bing gut rankt, kann auf Claude trotzdem unsichtbar sein und umgekehrt — daher braucht es beide Audits.
Respektiert Claude robots.txt?
Ja. ClaudeBot ist auf der öffentlichen Crawler-Seite von Anthropic dokumentiert und respektiert die robots.txt-Direktiven. Sie können ihn mit klassischen User-agent: ClaudeBot-Regeln erlauben oder verbieten. Claude-User, der On-Demand-Fetch-Agent, identifiziert sich ebenfalls und lässt sich genauso steuern.
Kann ich sehen, wann Claude meine Seite crawlt?
Ja. ClaudeBot hinterlässt eine klare Spur in Ihren Serverlogs. Wenn Sie nach dem User-Agent ClaudeBot/1.0 filtern — kombiniert mit den von Anthropic veröffentlichten IP-Bereichen — sehen Sie, welche Seiten gecrawlt wurden und wie oft.
Hat Claude einen Trainings-Cut-Off?
Ja, wie jedes große Sprachmodell. Das genaue Datum hängt von der abgefragten Claude-Version ab. Bei zeitkritischen Fragen löst Claude in der Regel die Websuche aus, um das auszugleichen — deshalb zählt Ihre Live-Retrieval-Performance ebenso viel wie Ihre Präsenz im trainierten Wissen.
Muss man für Claude Opus, Sonnet und Haiku unterschiedlich optimieren?
Die zugrunde liegenden Prinzipien von Retrieval und Constitutional AI sind in der ganzen Familie identisch. In der Praxis heben dieselben Inhaltsverbesserungen die Sichtbarkeit auf allen dreien. Opus schreibt längere, nuanciertere Antworten und zitiert mehr Quellen, doch die ausgewählten Seiten sind vom selben Typ wie die, die Ihr Audit für Sonnet hervorbringt.
Wie oft sollte Claude erneut auditiert werden?
Ein Baseline-Audit, dann ein erneutes Audit nach jeder signifikanten Inhaltsänderung sowie eine vierteljährliche Kontrolle: das ist ein vernünftiger Rhythmus für die meisten Marken. Geplante Audits liefern einen kontinuierlichen Blick ohne manuelle Arbeit.
Agenturen, Berater und interne Teams: Vergleichen Sie Antworten auf Ihre eigenen Szenarien in den gewählten Sprachen und Modellen. Unsere Infrastruktur, Ihre Szenarien, Ihre Expertise.