EN
FR
ES
DE
IT
KO
JA
Der Native Score misst, was das Modell ohne aktivierte externe Websuche im Testprotokoll antwortet (nativer Modus). Er ist ein operativer Indikator der internen Assoziationen des Modells — kein Beleg für die Präsenz in den Trainingsdaten. Ergänzend zum Web Score hilft er Agenturen, die GEO-Maßnahmen ihrer Kunden zu priorisieren.
Was ist der Native Score?
Der Native Score ist ein Indikator von AI Labs Audit, der misst, was ein KI-Modell (LLM) über eine Marke antwortet, ohne aktivierte externe Websuche im Testprotokoll (nativer Modus).
Er ist ein operativer Indikator der internen Assoziationen des Modells — kein Beleg dafür, dass die Marke in den Trainingsdaten vorhanden ist. Er zeigt, was das Modell zu einem gegebenen Zeitpunkt allein beantworten kann.
Wie wird der Native Score berechnet?
AI Labs Audit befragt jedes KI-Modell (ChatGPT, Claude, Gemini, Perplexity) mit deaktivierter Websuche. Die Fragen umfassen:
- Erkennung der Marke und ihres Sektors
- Kenntnis von Produkten und Dienstleistungen
- Wahrnehmung der Reputation
- Positionierung gegenüber Wettbewerbern
Die Antworten werden analysiert und auf einer Skala von 0 bis 100 bewertet, basierend auf Genauigkeit, Vollständigkeit und Stimmung der Erwähnungen.
Native Score vs Web Score
Der Native Score und der Web Score bilden ein komplementäres Paar:
- Native Score: was das Modell ohne Websuche antwortet (nativer Modus)
- Web Score: was das Modell über Websuche / Grounding findet
Eine erhebliche Lücke zwischen beiden Scores deutet auf eine Chance hin: Ist der Web Score deutlich höher als der Native Score, ist die Marke online sichtbar, aber noch nicht im Modellwissen verankert.
Warum der Native Score strategisch ist
Nutzer aktivieren nicht immer die Websuche, wenn sie eine KI befragen. In diesen Fällen zählt nur die native Antwort des Modells — daher ist es sinnvoll, diesen Modus separat zu messen.
Den Native Score verbessern
Der Native Score ist kurzfristig am schwierigsten zu beeinflussen, da er die vom Modell internalisierten Assoziationen widerspiegelt. Mittelfristige Strategien sind jedoch möglich:
- Präsenz auf Quellen stärken, die LLMs aufnehmen (Wikipedia, Wikidata, Presse, akademische Publikationen)
- Volumen und Qualität der Online-Erwähnungen steigern
- E-E-A-T-Signale für das nächste Trainingsupdate aufbauen
Für eine detaillierte Analyse lesen Sie unseren Artikel Native Score vs Web Score im GEO-Audit.
Jede Frage an ChatGPT, in deren Antwort die Marke fehlt, ist ein Wettbewerber, der an ihrer Stelle empfohlen wird: gemessen an 6.820 echten KI-Antworten.