Kurz gesagt: Ein KI-Sichtbarkeits-Audit definiert einen Fragenkatalog, bewahrt die beobachteten Antworten auf und analysiert sie nach Modell, Anfrage und Kontext. Es beschreibt die Messung dieser Stichprobe; es beweist weder eine einzelne Ursache noch allgemeine Sichtbarkeit außerhalb dieses Rahmens.
Ergänzend dazu finden Sie in unserem Leitfaden zum GEO-Audit einen weiteren Messrahmen.
Die Sichtbarkeit einer Marke auf konversationellen KIs zu messen, ist alles andere als offensichtlich. Keine Google Search Console für ChatGPT. Keine standardisierten Metriken. Kein Konsens darüber, worauf man achten soll.
Das Fehlen eines etablierten Rahmenwerks ist sowohl ein Problem als auch eine Chance. Ein Problem, weil Sie Ihre Methodik von Grund auf aufbauen müssen. Eine Chance, weil Akteure, die heute das KI-Sichtbarkeits-Auditing beherrschen, einen seltenen Wettbewerbsvorteil haben.
Dieser Leitfaden stellt einen praktischen Rahmen vor: Schritte, Kennzahlen, Interpretationsgrenzen und Elemente, die standardisiert werden können.
Warum die KI-Sichtbarkeit auditieren
Bevor wir über die Methodik sprechen, klären wir den Nutzen der Übung.
Eine Ausgangsbasis schaffen. Mit einer Erstmessung können Sie beobachtete Veränderungen bei späteren Erhebungen mit vergleichbarem Umfang messen. Das Audit liefert den Ausgangspunkt, belegt aber für sich allein nicht die Wirkung Ihrer Optimierungsmaßnahmen.
Unterschiede zur Konkurrenz erkennen. Wird ein Wettbewerber bei Fragen nach den besten Anbietern Ihrer Branche wiederholt genannt? Das Audit zeigt, welche Marken bei den für Sie relevanten Anfragen empfohlen werden.
Maßnahmen priorisieren. Ihre Marke erscheint auf Perplexity, aber nicht auf ChatGPT? Das Audit hilft, Plattformen mit geringer Sichtbarkeit Ihrer Marke zu erkennen.
Wert demonstrieren. Für Agenturen und Berater ist das Audit ein Verkaufs- und Beweisinstrument. Einem Interessenten seine (Nicht-)Sichtbarkeit zu zeigen, erzeugt unmittelbares Bewusstsein.
Zu verfolgende Indikatoren
Ein KI-Sichtbarkeits-Audit kann vier Gruppen von Kennzahlen erfassen.
| Indikator | Lesart im beobachteten Umfang |
|---|---|
| Erwähnungsrate | Anteil beobachteter Einheiten, in denen die Marke ausdrücklich erscheint |
| Zitierposition | Rang in einer angezeigten Liste zitierter Quellen, sofern sie vorhanden ist |
| KI-Share-of-Voice | Anteil der berücksichtigten Markenerwähnungen, den die Marke erhält |
| Erwähnungssentiment | Positiv, neutral oder negativ im jeweiligen Kontext |
Erwähnungsrate
Die Erwähnungsrate ist die Zahl der beobachteten Einheiten, in denen die Marke erscheint, geteilt durch die Zahl aller getesteten Einheiten. Eine Einheit kann aus Anfrage, Modell, Antwortmodus und Wiederholung bestehen. Dokumentieren Sie diesen Nenner vor jedem Vergleich.
Eine Rate von 0 % bedeutet, dass im getesteten Rahmen keine Erwähnung beobachtet wurde. Sie ist zusammen mit Auswahl der Anfragen, Modellen und Erhebungszeitraum zu interpretieren.
Zitierposition
Die Zitierposition beschreibt den Rang einer Quelle in einer angezeigten Quellenliste. Sie darf nicht mit dem Empfehlungsrang einer Marke im Antworttext verwechselt werden. Halten Sie beide Angaben getrennt fest, wenn sie verfügbar sind.
KI-Share-of-Voice
Der Share-of-Voice setzt die Erwähnungen Ihrer Marke ins Verhältnis zu allen im selben Umfang berücksichtigten Markenerwähnungen. Bei Wiederholungen bleibt der Nenner die Gesamtzahl der beobachteten Erwähnungen, nicht nur die Zahl der Anfragen. Nennen Sie Wettbewerberliste und Zählregel.
Erwähnungssentiment
Eine positive, neutrale oder negative Erwähnung ist für das Audit nützlich, weil sie jeweils etwas anderes über Sichtbarkeit und Reputation zeigt. „X wird oft für seinen Kundenservice kritisiert" ist eine negative Erwähnung: Halten Sie sie fest und ordnen Sie sie ein, statt sie auszuschließen.
Praxis-Tipp: Beginnen Sie mit der Erwähnungsrate, dem am einfachsten zu erhebenden Indikator. Fügen Sie die anderen hinzu, wenn Ihre Methodik sich strukturiert.
Zwei Unterscheidungen, die dokumentiert werden sollten
Marke, Quelle und Empfehlung sind nicht dieselbe Beobachtung
Eine Markenerwähnung beantwortet eine Frage: Erscheint die Marke in der Antwort? Eine URL-Zitierung erfasst eine ausdrücklich angezeigte Quelle. Der Empfehlungsrang beschreibt die Reihenfolge, in der eine Marke im Text vorgeschlagen wird. Diese Beobachtungen sollten getrennt gespeichert werden, denn sie haben weder denselben Nenner noch dieselbe Aussage.
Der Antwortmodus gehört zum Umfang
Eine Antwort aus dem nativen Wissen eines Modells und eine Antwort mit Websuche sollten nicht ohne Kennzeichnung zusammengeführt werden. AI Labs Audit bietet ab dem Tarif Consultant einen dualen Modus mit nativen Antworten und Websuche. Die getrennte Erfassung ermöglicht Vergleiche, ohne eine Veränderung automatisch einer Maßnahme auf der Website zuzuschreiben.
Ein dokumentierter Bezug zeigt, warum der Umfang zählt: Zwischen September 2025 und Juni 2026 analysierte unser Barometer 6 820 Antworten von 44 Modellen in 104 vollständigen Audits für 65 Marken, im nativen Modus und mit Websuche. Diese aggregierten Zahlen definieren keinen allgemeinen Schwellenwert; sie zeigen, warum Messbedingungen erhalten bleiben müssen.
Die 5-Schritte-Methodik
-
Umfang definieren
Ein Audit ohne präzisen Rahmen produziert unbrauchbare Daten. Bevor Sie etwas starten, beantworten Sie diese Fragen:
- Welche Plattformen? Nur ChatGPT? ChatGPT + Claude + Perplexity + Gemini? Die Wahl hängt von Ihrer Zielgruppe ab.
- Welche Anfragen? Markenanfragen („Was halten Sie von [Marke]")? Branchenanfragen („Bestes [Produkt] für [Anwendung]")? Informationsanfragen?
- Welche Tiefe? 20 Anfragen für ein Schnell-Audit? 100 für eine vollständige Analyse?
- Welche Wettbewerber? Identifizieren Sie 3 bis 5 Wettbewerber, die parallel beobachtet werden sollen.
-
Anfrageliste erstellen
Die Qualität des Audits hängt von der Relevanz der getesteten Anfragen ab. Drei abzudeckende Kategorien:
- Markenanfragen: „Was wissen Sie über [Marke]", „Bewertungen von [Marke]", „[Marke] vs. [Wettbewerber]"
- Branchenanfragen: „Bestes [Produkt] in Deutschland", „Empfehlen Sie einen [Service] für [Anwendungsfall]", „[Kategorie]-Vergleich 2025"
- Problemanfragen: „Wie löse ich [Problem, das Sie adressieren]", „Lösung für [Kundenproblem]"
Dreißig Anfragen können ein ausdrücklicher Ausgangspunkt für ein exploratives Protokoll sein, wenn die Kategorien ausgewogen sind. Diese Wahl allein macht die Ergebnisse nicht verallgemeinerbar.
-
Daten erheben
Die Erhebung kann manuell oder automatisiert erfolgen. Manuell stellen Sie jede Anfrage in einer Oberfläche und protokollieren die beobachteten Antworten. Automatisiert fragen Sie eine API ab. Beide Modi messen nicht dieselbe Erfahrung: Eine API-Antwort misst nicht direkt, was ein Nutzer in der öffentlichen ChatGPT-Oberfläche sieht. Trennen Sie sie in Analyse und Bericht.
Hinweise zur Datenerhebung:
- Verwenden Sie frische Sitzungen (kein Konversationsverlauf)
- Dokumentieren Sie für jede Erhebung Datum, Uhrzeit, verwendete Oberfläche oder API, Modell und Einstellungen.
- Trennen Sie Erhebungen mit und ohne Websuche; sie beschreiben unterschiedliche Antwortbedingungen.
- Speichern Sie vollständige Antworten, nicht nur An-/Abwesenheit der Erwähnung
-
Ergebnisse analysieren
Sobald die Daten erhoben sind, strukturieren Sie die Analyse entlang mehrerer Achsen:
- Nach Plattform: Vergleichende Leistung auf ChatGPT, Claude, Gemini, Perplexity
- Nach Anfragetyp: Unterschiede zwischen Markenanfragen und Branchenanfragen
- Nach Wettbewerber: Wer dominiert bei welchen Anfragen?
- Qualitative Analyse: Wie werden Sie beschrieben, wenn Sie erwähnt werden?
Kreuzen Sie Dimensionen, um Muster zu identifizieren: „Sichtbar auf ChatGPT bei Markenanfragen, abwesend bei Branchenanfragen" ist eine handlungsrelevante Diagnose.
-
Empfehlungen formulieren
Ein Audit hat nur dann Wert, wenn es zu konkreten Maßnahmen führt. Für jeden Befund schlagen Sie eine Empfehlung vor:
- Abwesenheit bei Branchenanfragen : AEO-optimierte Inhalte für diese Anfragen erstellen
- Dominanter Wettbewerber : seine Zitierquellen analysieren und die Strategie replizieren
- Negative Erwähnungen : Quelle identifizieren und an der Reputation arbeiten
- Geringe Bing-Sichtbarkeit ist eine Beobachtung, die im eigenen Umfang zu prüfen ist. Sie belegt für sich allein keinen Effekt auf ChatGPT oder Copilot.
Häufige Fehler, die es zu vermeiden gilt
Fehler Nr. 1: Einen für die beabsichtigte Entscheidung zu engen Umfang testen. Zehn Anfragen können für eine explorative Beobachtung dienen, ihre Grenzen müssen aber offengelegt werden. Ergebnisse variieren nach Formulierung, Kontext und Zeitpunkt; lesen Sie sie im tatsächlich getesteten Umfang.
Fehler Nr. 2: Die Variabilität der Antworten ignorieren. KIs geben nicht immer dieselbe Antwort auf eine identische Anfrage. Mehrere Wiederholungen können eine explorative Wahl sein, um diese Variabilität zu untersuchen; bewahren Sie jede Antwort auf, bevor Sie entscheiden, wie sie zusammengefasst wird.
Fehler Nr. 3: Nur auf ChatGPT fokussieren. Je nach Ihrer Zielgruppe können Claude oder Perplexity relevanter sein. Ein Einzelplattform-Audit liefert ein unvollständiges Bild.
Fehler Nr. 4: Die qualitative Analyse vernachlässigen. Zu wissen, dass Sie erwähnt werden, reicht nicht aus. Wie werden Sie beschrieben? In welchem Kontext? Eine Erwähnung in einer Liste von „zu vermeidenden Lösungen" ist kein Erfolg.
Fehler Nr. 5: Einmal auditieren und vergessen. Antworten können sich mit Modellen, Quellen und Anfragen verändern. Wählen Sie einen Rhythmus, der zu Ihren Entscheidungen passt, und wiederholen Sie denselben Umfang, wenn ein Vergleich sinnvoll ist.
Das Audit automatisieren
Die manuelle Erhebung wird schnell zeitaufwendig. Mehrere Ansätze zur Automatisierung:
APIs der Modellanbieter. Soweit die Zugangsbedingungen und verfügbaren Schnittstellen es zulassen, können Sie die Erhebung per Skript automatisieren. Eine API-Antwort misst nicht direkt die Antwort in der öffentlichen Oberfläche von ChatGPT, Claude oder Perplexity. Halten Sie diese Beobachtungen getrennt und bewahren Sie die Konfiguration, vollständige Antworten und mögliche Erhebungsfehler auf.
Spezialisierte Tools. Eine spezialisierte Plattform kann Szenarien, Antworten, Erhebungseinstellungen und Berichte bündeln. Prüfen Sie, welche Beobachtungen über eine API oder eine Oberfläche erhoben wurden und welche Antwortmodi tatsächlich verglichen wurden.
Produktdokumentation. Das Tutorial zum KI-Sichtbarkeits-Audit erläutert die Erstellung des Kundenprofils, die Generierung von Prompts und das Lesen der Ergebnisse.
Vorteile der Automatisierung:
- Ein zum Umfang passendes Anfragevolumen
- Wiederholbarkeit des Audits
- Präzise zeitliche Vergleiche
- Standardisierte Kundendeliverables
Vorlage für den Audit-Bericht
Ein effektiver Audit-Bericht folgt einer logischen Struktur:
- Executive Summary : Einseitige Zusammenfassung: Gesamtbewertung, Hauptbefunde, 3 prioritäre Empfehlungen
- Methodik : Getestete Plattformen, Anzahl der Anfragen, Audit-Zeitraum
- Ergebnisse nach Plattform: Erwähnungsrate, durchschnittlicher Rang der Quellen in Zitatlisten und durchschnittlicher Empfehlungsrang der Marke im Antworttext, getrennt ausgewiesen und mit Antwortbeispielen. Geben Sie für jeden Mittelwert die Anzahl der Beobachtungen mit verfügbarem Rang an; eine fehlende Nennung ist kein Rang null.
- Wettbewerbsanalyse : Vergleich mit identifizierten Wettbewerbern
- Qualitative Analyse : Erwähnungssentiment, Kontext, signifikante Zitate
- Empfehlungen : Prioritäre Maßnahmen mit Aufwandsniveau und erwartetem Impact
- Anhänge : Detail der getesteten Anfragen und vollständigen Antworten
Passen Sie den Detaillierungsgrad an Ihre Zielgruppe an. Ein Entscheider möchte die Zusammenfassung. Ein Marketingleiter möchte detaillierte Empfehlungen. Eine technische Fachkraft für GEO/AEO möchte die vollständigen Anhänge.
Frequenz und Nachverfolgung
Ein einmaliges Audit liefert eine Momentaufnahme. Regelmäßige Nachverfolgung zeigt Trends.
Erstaudit: Definieren Sie ein Referenzprotokoll für den Umfang: Plattformen, Anfragen, Modi, Wiederholungen und Wettbewerber.
Folgeaudits: Wiederholen Sie dieselben Parameter, wenn Sie Erhebungen vergleichen möchten. Eine beobachtete Veränderung belegt ihre Ursache nicht automatisch.
Gezielte Audits: Eine kleinere Auswahl priorisierter Anfragen kann eine zu prüfende Veränderung anzeigen, ohne das Referenzprotokoll zu ersetzen.
Dokumentieren Sie jedes Audit in einem standardisierten Format, um zeitliche Vergleiche zu erleichtern.
Wichtigste Erkenntnisse
Das KI-Sichtbarkeits-Auditing ist eine aufkommende Disziplin, aber die methodischen Grundlagen existieren.
Definieren Sie einen klaren Umfang, bevor Sie beginnen. Erstellen Sie eine Anfrageliste, die Ihre Aktivität repräsentiert. Erheben Sie Daten systematisch. Analysieren Sie über mehrere Dimensionen hinweg. Verwandeln Sie Befunde in handlungsrelevante Empfehlungen.
Automatisieren Sie, was automatisiert werden kann, um Effizienz und Wiederholbarkeit zu gewinnen. Und etablieren Sie einen Nachverfolgungsrhythmus, um das einmalige Audit in eine kontinuierliche Steuerung Ihrer KI-Sichtbarkeit zu verwandeln.
Unternehmen, die diese Methodik beherrschen, haben einen Vorteil: Sie sehen, was andere übersehen, und können entsprechend handeln.
Audit-Leitfäden nach Plattform
- Sichtbarkeit auf ChatGPT, Claude und Gemini
- Claude-Audit (Anthropic)
- Gemini-Audit (Google)
- Leitfaden zu Perplexity-Zitierungen
Fragen und Antworten
Was ist ein KI-Sichtbarkeits-Audit?
Ein KI-Sichtbarkeits-Audit ist eine systematische Analyse der Präsenz einer Marke in den Antworten von Sprach-KI-Modellen wie ChatGPT, Claude, Gemini und Perplexity.
Welche Indikatoren misst ein KI-Sichtbarkeits-Audit?
Die wichtigsten Indikatoren sind: Erwähnungsquote, Zitierposition, Sentiment und Share of Voice im Vergleich zu Wettbewerbern.
Wie führt man ein KI-Sichtbarkeits-Audit durch?
Definieren Sie Ihre Ziel-Prompts, befragen Sie mehrere KI-Modelle und analysieren Sie die Antworten, um Erwähnungen Ihrer Marke zu erkennen.
Wie häufig sollte man ein KI-Sichtbarkeits-Audit durchführen?
Ein monatliches Audit wird empfohlen. Führen Sie jedes Quartal ein tiefergehendes Audit durch, um Ihre Strategie anzupassen.
Welche Tools sollte man für ein KI-Sichtbarkeits-Audit nutzen?
Nutzen Sie eine dedizierte Plattform wie AI Labs Audit, die automatisch über 100+ KI-Modelle abfragt.
Agenturen, Berater und interne Teams: Vergleichen Sie Antworten auf Ihre eigenen Szenarien in den gewählten Sprachen und Modellen. Unsere Infrastruktur, Ihre Szenarien, Ihre Expertise.