LLM-Sichtbarkeit / KI-Sichtbarkeit

TL;DR — LLM-Sichtbarkeit (auch KI-Sichtbarkeit genannt) ist, wie oft Ihre Marke in KI-Antworten auftaucht – in denen von Google AI Overviews, ChatGPT, Perplexity, Copilot und Gemini. Es ist wie organische Sichtbarkeit, nur für geschriebene KI-Antworten statt für eine Liste blauer Links. Und hier ist der Haken: Rang #1 bei Google garantiert nicht, dass Sie in KI-Antworten auftauchen. Diese basieren auf anderen Signalen.

Was LLM-Sichtbarkeit ist

LLM-Sichtbarkeit ist eine Sammelmessung für beobachtete Präsenz in modellgestützten Antworten, keine standardisierte Anbieterkennzahl. Evidence for this claim ChatGPT search can answer with information from the web and provide linked sources. Scope: ChatGPT search; appearance in a sampled answer is product-, query-, locale-, and time-dependent. Confidence: high · Verified: 2026-07-14 OpenAI: ChatGPT search Crawl-Erlaubnis, Abruf, Erwähnung und Zitierung sind unterschiedliche Zustände. Evidence for this claim OpenAI distinguishes crawler controls for search inclusion from controls for model training. Scope: OpenAI's documented crawlers and controls; allowing a crawler does not guarantee retrieval, citation, or answer inclusion. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

Wenn Sie jetzt suchen, erhalten Sie oft eine KI-geschriebene Antwort oben statt (oder über) der üblichen Linkliste. LLM-Sichtbarkeit ist das Maß dafür, wie viel Ihre Marke oder Ihre Seiten in diesen Antworten auftauchen.

Es ist die KI-Suchversion einer Kennzahl, die SEOs bereits kennen – organische Sichtbarkeit, das zusammengefasste Gefühl, wie präsent Sie in den Suchergebnissen sind. Gleiche Idee, neue Oberfläche. Statt „Wo ranke ich für meine Keywords?“ lautet die Frage nun: „Wie oft erwähnt oder zitiert KI mich, wenn Leute nach meinem Thema fragen?“

Der Teil, der überrascht

Man würde denken, dass die Seiten, die bei Google auf Platz 1 ranken, diejenigen sind, die KI zitiert. Meistens sind sie es nicht. Nur etwa 38 % der Seiten, die in Googles KI-Übersichten zitiert werden, ranken auch in den traditionellen Top 10 – und diese Zahl lag früher bei 76 %. Ihre normalen Ranking-Berichte sagen also nicht, wie sichtbar Sie in KI sind. Es ist eine separate Sache, die Sie separat messen müssen.

Die andere Überraschung: Der Großteil Ihrer KI-Sichtbarkeit stammt von anderen Websites, nicht von Ihrer eigenen. Wenn eine Website wie Forbes oder TechCrunch oder ein Reddit-Thread über Sie spricht, zieht KI daraus. Ungefähr 82–89 % der KI-Zitate stammen aus dieser Art von Earned Media, nicht von den eigenen Seiten einer Marke. Wie ich es in meinem Ahrefs Evolve 2025 Vortrag über KI-SEO formuliert habe, geht es um den Wandel von „Optimieren Sie Ihre Website“ zu „Optimieren Sie, wie das Internet über Sie spricht.“

Drei Dinge, nicht eines

„In KI auftauchen“ bedeutet eigentlich drei verschiedene Dinge, die leicht zu verwechseln sind:

1. Abgerufen – die KI hat Ihre Seite als Rohmaterial abgerufen. (Sie können das in Ihren Server-Logs sehen.)
2. Erwähnt – Ihr Markenname taucht im Antworttext auf.
3. Zitiert – Ihr Link taucht als aufgeführte Quelle auf.

Die meisten Tools erfassen nur das Dritte. Wenn Sie also nur Zitate zählen, sehen Sie nur einen kleinen Ausschnitt Ihres tatsächlichen Einflusses.

Und manchmal gibt es nichts zu erfassen – die KI antwortet direkt aus dem, was sie bereits während des Trainings gelernt hat, ohne etwas Neues abzurufen. Diese Antworten werden durch Inhaltsänderungen nicht beeinflusst, egal wie gut der Inhalt ist. Mehr zu dieser Unterscheidung finden Sie im Tab „Erweitert“.

Was Sie tatsächlich tun sollten

• Wählen Sie eine Liste von Fragen, die Ihre Kunden stellen (z. B. 250–500), und prüfen Sie, wie oft KI-Antworten Sie erwähnen oder zitieren. Dieser Prozentsatz, über die Zeit verfolgt, ist Ihr Score.
• Prüfen Sie nicht nur einmal. KI-Antworten ändern sich stark – stellen Sie dieselbe Frage an verschiedenen Tagen und Sie erhalten verschiedene Marken. Ein Durchlauf ist keine Messung.
• Bauen Sie Ihren Ruf auch außerhalb der Website auf: Lassen Sie sich in Artikeln, auf Reddit, auf YouTube erwähnen. Das speist die KI-Antworten.

Möchten Sie die vollständige Version – die Korrelationszahlen, die plattformübergreifende Aufschlüsselung und den genauen Messaufbau? Wechseln Sie zum Tab Erweitert.

TL;DR — LLM-Sichtbarkeit ist das Aggregat davon, wie oft und wie prominent eine Marke in KI-generierten Antworten erscheint (AI Overviews, AI Mode, ChatGPT, Perplexity, Copilot, Gemini, Grok). Sie ist nicht organische Sichtbarkeit – nur etwa 38 % der AI-Overview-Zitate stammen aus den traditionellen Top 10 (früher 76 %), und der stärkste Korrelat ist Marken-Web-Erwähnungen (0,664), nicht Domain Rating (0,326). Sie unterteilt sich in drei Zustände – abgerufen → erwähnt → zitiert – die unterschiedliche Tools benötigen; reine Zitatmessung unterschätzt das Bild erheblich. Sie verhält sich radikal unterschiedlich je nach Plattform, ist so volatil, dass einzelne Prompt-Läufe keine Datenpunkte sind, und die richtige Maßeinheit ist ein definierter Prompt-Pool, der als Share of Model Voice über die Zeit verfolgt wird. Tools wie Brand Radar liefern richtungsweisende Indikatoren, keine exakten Traffic-Zahlen.

Was LLM-Sichtbarkeit ist (und was nicht)

Messungen hängen von Prompts, Modellversionen, Zeit, Gebietsschema und Stichproben ab. Evidence for this claim ChatGPT search can answer with information from the web and provide linked sources. Scope: ChatGPT search; appearance in a sampled answer is product-, query-, locale-, and time-dependent. Confidence: high · Verified: 2026-07-14 OpenAI: ChatGPT search Provider-Crawler-Steuerungen beschreiben Zugriffsrichtlinien, keine garantierte Aufnahme in Antworten. Evidence for this claim OpenAI distinguishes crawler controls for search inclusion from controls for model training. Scope: OpenAI's documented crawlers and controls; allowing a crawler does not guarantee retrieval, citation, or answer inclusion. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

LLM-Sichtbarkeit – KI-Sichtbarkeit, dasselbe – ist das zusammengefasste Maß dafür, wie oft und wie prominent eine Marke, Domain oder Seite in den Antworten erscheint, die KI-Suchsysteme generieren. Es ist eine Kategorie, keine einzelne Zahl, genauso wie organische Sichtbarkeit. Der Unterschied ist die Oberfläche, die sie misst: eine synthetisierte, geschriebene Antwort statt einer Rangliste von Links.

Das Erste, was ich Ihnen einprägen möchte: LLM-Sichtbarkeit ist nicht dasselbe wie organische Sichtbarkeit. Mitte 2025 stammten etwa 76 % der AI-Overview-Zitate von Seiten, die in den organischen Top 10 rangierten. Anfang 2026 ist das in unseren Daten auf etwa 38 % gesunken (andere Studien setzen es sogar noch niedriger an). Organischer Rang war früher ein brauchbarer Proxy für KI-Präsenz. Das ist er nicht mehr. Dies sind zwei verschiedene Signale, und Sie benötigen zwei verschiedene Messprogramme.

Warum die Abweichung? Weil die Signale, die KI-Sichtbarkeit antreiben, nicht dieselben sind, die Rankings antreiben. In Ahrefs’ Studie über 75 000 Marken von Louise Linehan und Xibeijia Guan – Erkenntnisse, die ich später bei Ahrefs Evolve 2025 diskutierte – ergab sich folgende Reihenfolge für die Sichtbarkeit in Google AI Overviews:

Das Signal Nr. 1 ist Markenpräsenz außerhalb Ihrer eigenen Website. Das ist die strukturelle Umkehrung: unverlinkte Erwähnungen – die kein PageRank weitergeben und in der traditionellen SEO kaum registriert werden – sind der stärkste Korrelat für KI-Sichtbarkeit. Genau deshalb sage ich immer wieder, dass sich die Aufgabe von “optimieren Sie Ihre Website” zu “optimieren Sie, wie das Internet über Sie spricht” verschoben hat. Es deckt sich auch mit den Earned-Media-Daten: 82–89 % der KI-Zitate stammen aus Drittquellen (Forbes/TechCrunch/WSJ-artige Medien), nicht von markeneigenen Seiten. Ein konkretes Beispiel aus dem Vortrag – Zapier hatte 16 Seiten, die Ahrefs erwähnten, und diese 16 Seiten wurden in 1 431 Ahrefs-KI-Antworten zitiert. Inhalte anderer über Sie leisten den Großteil der Arbeit.

Drei Zustände: abgerufen → erwähnt → zitiert → geklickt

“KI-Sichtbarkeit” verbirgt drei wirklich verschiedene Zustände. Sie zu vermischen ist, wo die meisten Messungen falsch laufen:

Und dann eine vierte, nachgelagert zu allen dreien: geklickt – der seltene Fall, dass jemand Ihre Website tatsächlich über die Antwort besucht (GA4 / Web-Analyse).

Die meisten Tools sehen nur den Zustand zitiert. Die Zustände abgerufen und erwähnt sind für reine Zitations-Tools weitgehend unsichtbar – OtterlyAIs Auswertung von Bing-Daten brachte es unverblümt auf den Punkt: “99.6% of your AI influence is invisible.” (Übersetzung) „99,6 % Ihres KI-Einflusses sind unsichtbar.“ Wenn Ihr Dashboard also Zitate zählt und das als Ihre KI-Sichtbarkeit bezeichnet, unterschätzen Sie diese erheblich. Und es gibt auch den umgekehrten Fehler – Superlines fand heraus, dass etwa 73 % der KI-Präsenz Zitate ohne Markenerwähnung waren („Geisterzitate“). Führen Sie Erwähnungs-Tracking und Zitations-Tracking gemeinsam durch, sonst erhalten Sie in beiden Fällen ein falsches Bild.

Eine Frage hinter allen dreien: Ist dies überhaupt eine abrufgesteuerte Antwort?

Abgerufen, erwähnt und zitiert setzen alle voraus, dass die KI für diese spezifische Anfrage etwas abgerufen hat. Ein erheblicher Teil der KI-Antworten tut das nicht – das Modell antwortet aus dem, was es bereits während des Trainings gelernt hat (sein parametrisches Gedächtnis), ohne jeglichen Live-Abrufschritt. Siehe RAG für die Mechanik: Produktionssysteme führen einen Abfrage-Klassifikator aus, der pro Abfrage entscheidet, ob gesucht wird – es ist kein Schritt, der bei jeder Anfrage stattfindet.

Für die Messung ist das wichtig, weil sich dadurch die möglichen Maßnahmen ändern. Eine abrufgesteuerte Antwort kann prinzipiell durch On-Page- und Off-Page-Arbeit beeinflusst werden – bessere Inhalte werden abgerufen, bessere Erwähnungen werden einbezogen. Eine gedächtnisgesteuerte Antwort kann auf diese Weise nicht beeinflusst werden: Das Modell hat bereits „gelernt“, was es über Ihre Marke zum Trainingszeitpunkt weiß, und keine Seitenbearbeitung ändert das, bis das Modell neu trainiert wird – was nach dem Zeitplan des Anbieters geschieht, nicht nach Ihrem. Wenn Sie über viele Prompt-Läufe hinweg eine stabile Markenbeschreibung ohne Zitate und ohne Anzeichen von Abruf sehen, könnte es sich um eine gedächtnisgesteuerte Antwort handeln. Beobachten Sie diesen Zustand, aber investieren Sie keine Bearbeitungsmühe in der Erwartung, dass sie sich ändert.

Allein durch das Lesen der Ausgabe lässt sich nicht völlig zuverlässig unterscheiden, welcher Fall vorliegt – es erfordert gezieltes Testen: Vergleichen Sie das Such-ein- vs. Such-aus-Verhalten einer Plattform, wo das offengelegt ist, beobachten Sie, ob überhaupt Zitate erscheinen, oder prüfen Sie, ob sich die Antwort ändert, wenn sich die zugrunde liegende Quellseite ändert. Behandeln Sie „überhaupt keine Zitate“ und „Zitate vorhanden“ als unterschiedliche Messregime mit unterschiedlichen Abhilfemaßnahmen, nicht als zwei Werte auf derselben Skala.

Plattform für Plattform – warum die Sichtbarkeit so stark variiert

Es gibt keine einzige „KI-Sichtbarkeitszahl“, weil sich die Plattformen völlig unterschiedlich verhalten. Sie greifen auf unterschiedliche Quellen zurück und zitieren mit stark unterschiedlichen Raten:

Die auffälligste Lücke: Perplexity zitiert etwa 21,87 Quellen pro Antwort, während ChatGPT in 0,59 % der Antworten zitiert. Derselbe Inhalt kann auf einer Plattform hoch sichtbar und auf einer anderen praktisch unsichtbar sein. Und die plattformübergreifende Überschneidung ist gering – nur 7 der Top 50 am häufigsten zitierten Domains erscheinen auf allen drei großen Plattformen (AI Overviews, ChatGPT, Perplexity). LLM-Sichtbarkeit ist wirklich drei (oder sieben) separate Profile der Sichtbarkeit. Erfassen Sie jede Plattform; mitteln Sie die Ergebnisse nicht zu einer Zahl und tun Sie so, als würde das etwas bedeuten.

Es ist volatil – einzelne Läufe sind keine Daten

KI-Antworten ändern sich ständig. Ungefähr 40–60 % der zitierten Quellen ändern sich von Monat zu Monat, und bei derselben Abfrage ändert sich ein großer Teil der KI-Übersichtsinhalte zwischen den Durchläufen. SparkToro fand eine Wahrscheinlichkeit von weniger als 1 zu 100, bei 100 Durchläufen desselben ChatGPT-Prompts identische Markenlisten zu erhalten. Die methodische Konsequenz ist einfach und unverhandelbar: Ein einmaliges Ausführen eines Prompts ist kein Datenpunkt. Sie benötigen einen definierten Prompt-Pool, viele Durchläufe und Trendfenster – keine Momentaufnahmen.

So messen Sie es – der Stack, auf die Zustände abgebildet

Kein einzelnes Tool deckt alle vier Zustände ab. Bauen Sie einen Stack auf, bei dem jede Ebene einem Zustand zugeordnet ist:

• Ebene 1 – Server-Logs → Abgerufen. Die -User-Bots (ChatGPT-User, Perplexity-User, Googlebot-Extended) sind Live-Inferenz-Abrufe – jemand hat eine Frage gestellt und die KI hat Ihre Seite sofort abgerufen. Das unterscheidet sich von Trainings-/Indexierungs-Bots (GPTBot, ClaudeBot). Jeder Fehler, den Sie einem -User-Bot ausliefern, ist eine verpasste Zitierung.
• Ebene 2 – Markenüberwachung → Erwähnt. Ahrefs Brand Radar führt String-Match-Erwähnungen auf den wichtigsten Plattformen durch und verfügt über einen Filter für „gefunden, aber nicht zitiert“, um Einfluss ohne Zuordnung zu isolieren. Fügen Sie manuelle Prompt-Tests zur Qualitätssicherung hinzu.
• Ebene 3 – Zitier-Tracking → Zitiert. Brand Radars Berichte zu zitierten Seiten / zitierten Domains; Bing Webmaster Tools‘ KI-Leistungsbericht (die erste offizielle Plattformquelle für Zitierdaten – Zitierungen, Grounding-Abfragen, durchschnittliche zitierte Seiten); und Google Search Consoles KI-Features-Filter / Gen-KI-Leistungsberichte (nur Impressionen – keine Klicks).
• Ebene 4 – Web-Analyse → Geklickt. GA4s KI-Assistent-Kanal plus eine benutzerdefinierte Kanalgruppe. Rechnen Sie mit einem Dark-Traffic-Problem: Ein großer Teil der KI-basierten Besuche kommt ohne Referrer an und landet in Direct, und KI-Übersichts-/KI-Modus-Klicks verschmelzen mit google/organic – daher ist die geklickte Ebene am wenigsten sauber.

Eine Einschränkung, bei der ich ehrlich sein möchte: Brand Radar (und ähnliche Tools) melden Richtungsindikatoren, keine exakten Traffic-Zahlen. Nehmen Sie den Trend und den relativen Anteil ernst; behandeln Sie keine einzelne Zahl als präzise Zählung.

Die Prompt-Pool-Methode und Share of Model Voice

Gemessen wird anhand eines Prompt-Pools: Definieren Sie etwa 250–500 High-Intent-Abfragen, führen Sie diese wöchentlich oder monatlich über die LLM-Endpunkte aus, erfassen Sie, wo Ihre Marke erscheint, und verfolgen Sie Share of Model Voice (SOMV) – Markenauftritte ÷ insgesamt verfolgte Prompts × 100. Ziehen Sie Prompts aus echter Nachfrage: Vertriebsprotokolle, Support-Tickets, Reddit, G2-Bewertungen, PAA, Autovervollständigung. Benchmarks zur Kalibrierung: Die durchschnittliche Erwähnungsrate liegt bei etwa 17,2 % über relevante Prompts (AthenaHQ), und 40–70 % gelten als stark.

Zu den Plattformmechaniken: Brand Radar läuft auf einem 400M+ suchgestützten Prompt-Korpus (gegenüber 350M+ früher in diesem Jahr – es ist ein wachsender, live aktualisierter Index, behandeln Sie die genaue Zahl also als Richtwert), aktualisiert monatlich für ChatGPT/Perplexity/Gemini/Copilot und kontinuierlich für KI-Übersichten/KI-Modus und unterscheidet „zitiert“ (verlinkte URLs) von „gefunden, aber nicht zitiert“ (String-Matches ohne Links).

Ein Mess-Randfall, den es zu kennen lohnt

KI erwähnt Sie nicht nur zu selten – manchmal erfindet die KI Ihre Marke. Wir verzeichneten Tausende von Besuchen auf Seiten bei Ahrefs, die tatsächlich nicht existierten, weil eine KI plausibel aussehende URLs synthetisiert hatte. Halluzinierte Zitierungen sind eine reale Dimension der KI-Sichtbarkeitsmessung, und die meisten Tools filtern sie nicht für Sie heraus – überprüfen Sie also die URLs, auf denen Sie „zitiert“ werden.

Was das wert ist und was nicht

Seien Sie sich über den Wert im Klaren. Selbst eine Nennung führt selten zu einem Klick – Nutzer klickten in der Pew-Studie zum US-Suchverhalten vom März 2025 nur in 1 % der Google-Besuche mit einer KI-Zusammenfassung auf eine zitierte Quelle, und die überwiegende Mehrheit der Google-AI-Mode-Sitzungen endet ohne Seitenbesuch. LLM-Sichtbarkeit ist in erster Linie eine Markenbekanntheits- und Autoritätskennzahl, keine Kennzahl für direkten Traffic. Sie ist dennoch wichtig: Ein großer Teil der AI-Mode-Nutzer akzeptiert die kuratierte Shortlist, ohne weitere Recherchen durchzuführen. Daher hat es Gewicht, in der Antwort zu stehen, auch ohne den Klick.

Wo dies einzuordnen ist

Dies ist der Definitions- und Mess-Hub für das Cluster. Für den tiefen Einblick in die drei Zustände siehe Retrieved, Mentioned, Cited. Für die GA4-/Analytics-Ebene im Speziellen – das Durcheinander von Dark Traffic und Attribution – siehe AI-Traffic-Attribution. Für das Off-Site-Signal, das dies tatsächlich antreibt (Entitäten und Erwähnungen), siehe Entity-SEO und den breiteren KI-Such-Hub.

KI-Zusammenfassung

Eine komprimierte Darstellung der erweiterten Version:

• LLM-Sichtbarkeit = wie oft/wie prominent Sie in KI-Antworten erscheinen (KI-Übersichten, AI Mode, ChatGPT, Perplexity, Copilot, Gemini, Grok). Es ist eine zusammengesetzte Kategorie, das KI-Such-Analogon zur organischen Sichtbarkeit.
• Es ist nicht organische Sichtbarkeit. Nur etwa 38 % der KI-Übersichts-Zitate stammen aus den traditionellen Top 10 (vorher 76 %). Andere Signale, separate Messung erforderlich.
• Der wichtigste Korrelat ist die Markenerwähnung im Web (0,664) – deutlich über Domain Rating (0,326). 82–89 % der KI-Zitate sind Earned Media, nicht markeneigene Seiten. „Optimieren Sie, wie das Internet über Sie spricht.“
• Drei Zustände, drei Tools: retrieved (Server-Logs) → mentioned (Brand-Radar-String-Match) → cited (Brand Radar cited / Bing WMT / GSC) → clicked (GA4). Nur-Zitat-Tools übersehen den Großteil („99,6 % unsichtbar“); achten Sie auch auf „Geister-Zitate“.
• Unter allen dreien: Einige Antworten überspringen die Abfrage vollständig. Eine gedächtnisgesteuerte Antwort stammt aus dem Training des Modells, nicht aus einem Live-Abruf – keine Zitate, kein Abrufsignal und keine Möglichkeit, sie durch Inhaltsänderungen zu verschieben. Abrufgesteuerte Antworten sind diejenigen, die On-Page-/Off-Page-Arbeit tatsächlich verändern kann.
• Plattformen unterscheiden sich radikal: Perplexity ~21,87 Zitate/Antwort vs. ChatGPT ~0,59 % Zitatrate; nur 7 der Top-50-zitierten Domains umfassen alle drei großen.
• Volatil: 40–60 % der Zitate ändern sich monatlich; ein einzelner Prompt-Lauf ist kein Datenpunkt.
• Methode: ein Pool von 250–500 Prompts, in einem Rhythmus ausgeführt, verfolgt als Share of Model Voice (Ø ~17,2 %; 40–70 % stark). Brand-Radar-Daten sind richtungsweisend, keine exakten Traffic-Zahlen.
• Wert: hauptsächlich Marke/Autorität – Klicks sind selten (Pew beobachtete Klicks auf zitierte Quellen in 1 % der Google-Besuche mit einer KI-Zusammenfassung).

Offizielle Dokumentation

Was die Suchmaschinen selbst über KI-Sichtbarkeit und deren Messung sagen.

Google

• KI-Funktionen und Ihre Website (KI-Optimierungsleitfaden) – Googles Kernposition: KI-Übersichten und AI Mode basieren auf dem Kern-Suchranking, daher bleiben Standard-SEO-Best Practices die Grundlage. Kein spezielles Markup (llms.txt), Chunking oder „KI-spezifisches Schreiben“ ist erforderlich oder vorteilhaft.
• KI-Funktionen in den Google-Suchergebnissen – wie KI-Übersichten/AI Mode Inhalte anzeigen und was dafür in Frage kommt.
• Gen-AI-Leistungsberichte in der Search Console (Juni 2026) – die KI-Funktionsdaten in GSC: Impressionen für KI-Übersichten, AI Mode und generative Discover-Funktionen. Nur Impressionen – keine Klickdaten.

Bing / Microsoft

• KI-Leistung in den Bing Webmaster Tools (öffentliche Vorschau, Februar 2026) — das erste offizielle Plattform-Tool, das KI-Zitationsdaten offenlegt: Zitate, Fundierungsabfragen und durchschnittlich zitierte Seiten.
• Microsoft-Copilot-Leitfaden für öffentliche Websites — wie der Knoten für generative Antworten von Copilot Studio Webinhalte, die als Wissensquelle dienen, indiziert und einordnet (über Sitemaps/IndexNow, dann nach Relevanz, Aktualität und Engagement sortiert).

Zitate aus der Quelle

Offizielle Aussagen der Suchmaschinen. Jeder Deep Link springt zur relevanten Passage auf der Quellseite.

Google — Standard-SEO gilt weiterhin

• “The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (Übersetzung) „Die besten SEO-Praktiken bleiben relevant, da unsere generativen KI-Funktionen in der Google-Suche auf unseren zentralen Such-Ranking- und Qualitätssystemen basieren.“ — Google Search Central. Zum Zitat springen

Bing — warum AI Performance existiert

• “As AI becomes a more common way people discover information, visibility is not only about blue links. It is also about whether your content is cited and referenced when AI systems generate answers.” (Übersetzung) „Da KI zu einer immer häufigeren Art wird, wie Menschen Informationen entdecken, geht es bei Sichtbarkeit nicht nur um blaue Links. Es geht auch darum, ob Ihre Inhalte zitiert und referenziert werden, wenn KI-Systeme Antworten generieren.“ — Bing-Webmaster-Blog, „KI-Leistung in den Bing Webmaster Tools“ (10. Februar 2026). Zur Quelle springen

Checkliste für das LLM-Sichtbarkeits-Audit

Ein Durchlauf, um ein KI-Sichtbarkeitsmessprogramm einzurichten — und zu überprüfen. Er bildet die drei Zustände ab, sodass Sie mehr als nur Zitate abdecken.

Umfang

• Festgelegt, welche Plattformen Sie verfolgen (mindestens: AI Overviews, ChatGPT, Perplexity; idealerweise + Copilot, Gemini, Grok).
• Die Markenentitäten, Regionen und Sprachen im Umfang aufgelistet.

Abgerufen (Server-Logs)

• Server-Logs auf KI-Inferenz-Bots geprüft (ChatGPT-User, Perplexity-User, Googlebot-Extended) — getrennt von Trainings-Bots (GPTBot, ClaudeBot).
• Bestätigt, dass Sie den -User-Fetch-Bots keine Fehler/Blockaden ausliefern (jeder Fehler ist eine verpasste Zitation).

Erwähnt + Zitiert (Brand Radar / Bing WMT / GSC)

• Eine Baseline in Ahrefs Brand Radar aufgebaut (Erwähnungen + zitierte Seiten/Domains).
• Den Filter „gefunden, aber nicht zitiert“ ausgeführt, um Einfluss ohne Zuordnung zu finden.
• Bing Webmaster Tools AI Performance abgerufen (Citations, Grounding Queries, durchschnittlich zitierte Seiten).
• GSC-KI-Funktionen / Gen AI Performance geprüft (Impressions — denken Sie daran, keine Klicks).

Prompt-Tests

• Ihre wichtigsten Prompts manuell auf allen Plattformen getestet — mehrere Durchläufe, nicht nur einen (Ergebnisse sind volatil).
• Genauigkeit und Stimmung geprüft, nicht nur das Vorhandensein (Fehlinformationen korrigieren).
• Zitierte URLs auf halluzinierte/nicht existierende Seiten stichprobenartig geprüft.

Geklickt + Tracking

• GA4-KI-Assistent-Kanal / benutzerdefinierte Kanalgruppe überprüft (mit dunklem Traffic in Direct rechnen).
• Einen wiederkehrenden Rhythmus festgelegt — mindestens monatlich, wöchentlich für wettbewerbsintensive Kategorien — mit Trendfenstern, nicht einzelnen Schnappschüssen.
• Share of Model Voice im Vergleich zu Wettbewerbern gemessen.

LLM-Sichtbarkeit vs. organische Sichtbarkeit — Spickzettel

Der schnelle Vergleich. Der Punkt ist nicht, dass das eine das andere ersetzt — sondern dass es sich um unterschiedliche Metriken auf unterschiedlichen Signalen handelt, die eine separate Messung erfordern.

Drei Zustände, die Sie verfolgen sollten (nicht zusammenfassen): Retrieved (Server-Logs) → Mentioned (Brand Radar-String-Match) → Cited (Brand Radar zitiert / Bing WMT / GSC) → Clicked (GA4).

Nicht: Zitierzahlen als gesamte KI-Sichtbarkeit behandeln (Sie verpassen Retrieved + Mentioned), annehmen, dass eine Plattform die anderen repräsentiert, oder einen einzelnen Prompt-Durchlauf als Messung behandeln. Und llms.txt beeinflusst das Google-Ranking nicht – Google sagt, es ignoriert es.

Tools zur Messung der LLM-Sichtbarkeit

Kein einzelnes Tool deckt alle vier Zustände ab – die meisten konzentrieren sich auf die zitierte Ebene. Kombinieren Sie ein Markenüberwachungstool mit den offiziellen Plattformberichten und Ihren eigenen Logs.

• Ahrefs Brand Radar – mehr als vierhundert Millionen suchgestützte Prompts (gegenüber mehr als dreihundertfünfzig Millionen früher in diesem Jahr; es ist ein wachsender, live aktualisierter Index – behandeln Sie die genaue Zahl als Richtwert); verfolgt Erwähnungen, Zitate, Impressionen und Share of Model Voice in ChatGPT, Perplexity, Gemini, Copilot, AI Overviews, AI Mode und Grok. Monatliche Aktualisierung für die Konversationsplattformen, kontinuierlich für AI Overviews. Hat einen Filter für „gefunden, aber nicht zitiert“. Richtungsweisende Indikatoren, keine exakten Traffic-Zahlen.
• Semrush AI Visibility Toolkit – Zitierhäufigkeit/-position, Share of Voice und wettbewerbsfähige KI-Marktanteilsverfolgung über ein großes LLM-Prompt-Korpus.
• Profound – unternehmensorientiert, programmatische API-Abfragen von LLM-Endpunkten für Share-of-Model-Voice-Tracking sowie KI-Crawler-Analysen.
• Scrunch – KI-Such-Sichtbarkeitsplattform mit Zitat-Tracking, Bot-Crawl-Beobachtbarkeit und Inhaltsoptimierung für KI-Antworten; die Reduzierung von Marken-Halluzinationen ist eines der erklärten Ziele.
• Peec AI – tägliche Updates und Quellenlücken-Analyse auf einem kleineren Prompt-Set; leichter Einstiegspunkt.
• Waikay.io – Multi-Plattform (ChatGPT, Gemini, Claude, Perplexity) zusammengefasst in einem AI Brand Score.
• Bing Webmaster Tools – AI Performance (offiziell, kostenlos) – Zitate, Grounding- Queries, durchschnittlich zitierte Seiten. Bestes Fenster in den zitierten Zustand von Copilot.
• Google Search Console – AI-Funktionen / Gen AI Performance (offiziell, kostenlos) – Impressionen für AI Overviews/AI Mode/Discover. Keine Klicks.

Fehler bei der Messung der KI-Sichtbarkeit

Einen einzelnen Prompt-Durchlauf als Marktanteil melden

Die Ausgaben variieren je nach Plattform, Modell, Zeit, Ort und Formulierung. Verwenden Sie einen definierten Prompt-Pool und wiederholte Beobachtungen, bevor Sie einen Trend beschreiben.

Retrieval, Erwähnungen und Zitate kombinieren

Ein System kann eine Seite abrufen, ohne die Marke zu nennen, eine Marke nennen, ohne zu verlinken, oder eine URL zitieren. Verfolgen Sie jeden Zustand separat, da sich Messquelle und geschäftliche Bedeutung unterscheiden.

Tools vergleichen, als wären ihre Panels identisch

Sichtbarkeitsplattformen verwenden unterschiedliche Prompts, Modelle, Zeitpläne und Bewertungsformeln. Halten Sie eine Methodik für die Trendberichterstattung stabil und legen Sie offen, was sie beobachten kann und was nicht.

Erstellen Sie einen kontrollierten Prompt-Pool für Sichtbarkeit

Fügen Sie verifizierte Kunden-Jobs, Kategoriebegriffe, Vergleichsbedürfnisse und Funnel-Phasen ein:

Create a balanced AI-visibility prompt pool using only the supplied research. Group
prompts by informational, comparison, recommendation, and problem-solving intent.
Keep wording neutral, avoid naming our brand unless the task is branded measurement,
and flag prompts that depend on location, freshness, or user context. Return a stable
prompt ID, wording, intent, audience, and reason for inclusion.

Klassifizieren Sie erfasste KI-Antworten

Fügen Sie Antworttext, Zitate, Plattform, Modell/Version, Abfragezeitpunkt und Prompt-ID ein:

Classify our brand as absent, mentioned, or cited. Record cited URLs exactly, describe
position and sentiment without assigning a numerical score, and separate observable
facts from interpretation. Flag hallucinated claims and ambiguous brand references.
Do not infer retrieval unless server-log evidence is supplied.

Das Pool-, Erfassungs-, Klassifizierungs- und Trend-Framework

1. Pool: Stellen Sie einen repräsentativen Satz von Prompts mit stabilen IDs, Absichten und Zielgruppenkontext fest.
2. Erfassen: Dokumentieren Sie Plattform, Modell/Version, Datum, Antwort und Zitate für jeden Durchlauf unter konsistenten Bedingungen.
3. Klassifizieren: Trennen Sie Abwesenheit, Erwähnung, Zitierung, Stimmung, faktische Genauigkeit und Präsenz von Wettbewerbern, ohne auf nicht sichtbare Abrufe zu schließen.
4. Trend: Vergleichen Sie gleichartige Beobachtungen im Zeitverlauf und kommentieren Sie Methodik- oder Produktänderungen, welche die Kontinuität brechen.

Das Framework liefert richtungsweisende Sichtbarkeitsbelege. Es wandelt Prompt- Beobachtungen nicht in exakte Traffic- oder Marktanteilsschätzungen um.

Testen Sie sich selbst: LLM-Sichtbarkeit

Ressourcen, die Ihre Zeit wert sind

Meine Vorträge

• GEO, AEO, LLMO – was hat es mit all diesen KI-Begriffen auf sich? (Ahrefs Evolve 2025) — die Folien, in denen ich Ahrefs’ Korrelationsstudie (Markenerwähnungen im Web 0,664 gegenüber DR 0,326) bespreche und die Leitidee „optimieren Sie, wie das Internet über Sie spricht“ präsentiere. Video · Webinar-Version.

Meine verwandten Artikel

• Audit der KI-Sichtbarkeit: eine Schritt-für-Schritt-Anleitung — die achtstufige Audit-Methodik (Umfang → Ausgangslage → Genauigkeit/Stimmung → markenunabhängige Lücken → meistzitierte Seiten → Erwähnungen → Wettbewerber → Strategie).
• So funktioniert Brand Radar (Methodik) — Prompt-Auswahl, überwachte Plattformen, Aktualisierungsrhythmus und die Unterscheidung zwischen „zitiert“ und „gefunden, aber nicht zitiert“.
• Erkenntnisse aus 56 Millionen KI-Übersichten — die Überlappungsdaten mit organischen Ergebnissen.
• Traffic aus der KI-Suche konvertiert 23-mal besser — warum KI-Sichtbarkeit es wert ist, gemessen zu werden, auch bei wenigen Klicks.
• Generative Suchsysteme bringen die Webanalyse aus dem Takt — das Problem der Zuordnung und des nicht erkannten Traffics.
• GEO: Korrelationsstudie zu Markenerwähnungen und DR.

Von anderen

• Danny Sullivan / Google: “Good SEO is good GEO” — die offizielle Linie, dass KI-Sichtbarkeit auf SEO-Grundlagen beruht.
• Duane Forrester — 12 neue KPIs für generative KI-Suche — ein breiteres Metrik-Framework, einschließlich Chunk-Abrufhäufigkeit, Attributionsrate und KI-Zitieranzahl.
• OtterlyAI: Der KI-Zitationsbericht 2026 — „99,6 % Ihres KI-Einflusses sind unsichtbar“ (Bing-Daten); fand heraus, dass 73 % der Websites Crawlbarkeitsprobleme haben, die Zitate beeinträchtigen.
• SparkToro: KIs sind bei der Empfehlung von Marken höchst inkonsistent — weniger als 1-zu-100-Chance auf identische Markenlisten über 100 Läufe desselben ChatGPT-Prompts; wichtige Warnung für die Messmethodik.
• Superlines: KI-Suchstatistiken 2026 — plattformbezogene Zitierraten (Grok 27 %, ChatGPT 0,59 %); dokumentiert das Phänomen der „Geisterzitate“ (73 % der KI-Präsenz ohne Markenerwähnung); 70 % Inhaltswechsel bei KI-Übersichten pro Abfrage.
• Discovered Labs: Wie jede Plattform Quellen unterschiedlich zitiert — ChatGPT zitiert 15 % der abgerufenen Seiten; 82,9 % der B2B-Zitate stammen von Dritten.
• Princeton-GEO-Papier (Aggarwal et al., KDD 2024) — Seiten auf Rang 5 zeigten +115,1 % Zitierhäufigkeit gegenüber Seiten auf Rang 1 mit -30,3 %; Originaldaten darüber, welche Inhaltsattribute tatsächlich KI-Zitate antreiben.

Statistiken, die sich zu zitieren lohnen

• Markenbezogene Web-Erwähnungen korrelieren mit 0,664 mit der Sichtbarkeit in AI Overviews – im Vergleich zu Ankertext 0,527, Markensuche 0,392 und Domain Rating 0,326. Das Off-Site-Signal dominiert. (Ahrefs’ Studie zu 75 000 Marken in Google AI Overviews von Louise Linehan und Xibeijia Guan.) Quelle
• Nur etwa 38 % der Seiten, die in AI Overviews zitiert werden, ranken in den traditionellen Top 10 – ein Rückgang von etwa 76 % Mitte 2025. Der organische Rang ist kein Proxy mehr für die KI-Sichtbarkeit. Quelle
• 82–89 % der KI-Zitate stammen aus Earned Media (Forbes/TechCrunch/WSJ-Typ), nicht von markeneigenen Seiten. Zapiers 16 Seiten, die Ahrefs erwähnen, führten zu 1 431 zitierten Ahrefs-KI-Antworten. Quelle
• Durchschnittliche Markenerwähnungsrate ≈ 17,2 % bei relevanten Prompts; 40–70 % ist stark (AthenaHQ, State of AI Search 2026).
• 40–60 % der zitierten Quellen ändern sich monatlich – KI-Sichtbarkeit ist volatil, daher mit Prompt-Pools und Trendfenstern messen, nicht mit einzelnen Durchläufen (EMARKETER).
• Plattformen unterscheiden sich um etwa das 45-fache: Perplexity ~21,87 Zitate/Antwort (~13 % Zitierrate) vs. ChatGPT ~0,59 %; nur 7 der 50 am häufigsten zitierten Domains erscheinen auf allen drei großen Plattformen.
• Brand-Radar-Korpus: mehr als vierhundert Millionen suchgestützte Prompts (gegenüber mehr als dreihundertfünfzig Millionen früher in diesem Jahr – ein wachsender, live aktualisierter Index) – monatliche Aktualisierung für ChatGPT/Perplexity/Gemini/Copilot, kontinuierlich für AI Overviews. Richtungsweisend, keine exakten Traffic-Zahlen. Quelle
• Nutzer klickten in 1 % der Google-Besuche mit einer KI-Zusammenfassung auf eine zitierte Quelle in Pews US-Browsing-Studie vom März 2025. In Semruschs separater Clickstream-Stichprobe führten 92–94 % der Google-AI-Mode-Sitzungen nicht zu einem Besuch einer externen Domain. LLM-Sichtbarkeit ist in erster Linie eine Markenbekanntheitsmetrik, keine Traffic-Metrik.
• Weniger als 1-zu-100-Chance auf identische Markenlisten über 100 Läufe desselben ChatGPT-Prompts – KI-Empfehlungen sind höchst inkonsistent, was Einzelmessungen statistisch unzuverlässig macht. (SparkToro) Quelle
• 99,6 % des KI-Einflusses sind unsichtbar für reine Zitier-Messwerkzeuge, laut OtterlyAIs Analyse von Bing-Daten – abgerufene und erwähnte Zustände übertreffen den zitierten Zustand mengenmäßig. Quelle

Änderungsprotokoll