KI-Sichtbarkeit messen: Prompts richtig tracken, Möglichkeiten und Grenzen

Denselben Prompt mehrere Mal an eine KI, wie beispielsweise Claude, Gemini oder ChatGPT, zu stellen, bedeutet nicht, immer dasselbe Ergebnis zu erhalten. Eine Webseite kann nämlich als Citation zitiert oder eine Marke als Mention in den Antworten genannt werden. Es kann auch der Fall eintreten, dass lediglich die Konkurrenten erwähnt werden und somit die eigene Webseite außen vor bleibt.

Für SEOs stellt die KI somit eine neue Herausforderung dar: Im Gegensatz zur klassischen Google-Suche, bei der messbare Daten die Sichtbarkeit in den Suchmaschinenergebnissen definieren, erweist sich das Prompt-Tracking aufgrund fehlender Positionen als eher schwierig.

Was beim Tracken von KI-Antworten, bei der Sichtbarkeit in LLMs, bei den Grenzen von Messungen und vielem mehr zu beachten ist, erfährst du in folgendem Artikel.

Was gemessen werden kann: Mentions, Citations, Positionen und Tonalität

KI-Sichtbarkeit wird in verschiedenen Bereichen gemessen:

• Mentions: Kommt die Marke in der Antwort vor? Nennt ChatGPT auf die Frage nach Projektmanagement-Tools sieben Namen, ist jede dieser sieben Marken auf dieser Ebene sichtbar. Wichtig: Häufig haben Mentions keine direkte Verlinkung zur Website.
• Citations: Wird die eigene Domain als Quelle genannt? Diese Ebene hat die direkteste Wirkung, weil ein Zitat einen Klick auslösen kann. Eine Marke kann häufig erwähnt (Mention) und nie zitiert (Citation) werden, etwa wenn die Systeme ihre Informationen aus Vergleichsportalen beziehen. Anders als Mentions haben Citations eine direkte Verlinkung zur eigenen Website.
• Positionen: Wo steht die Marke und wie wird sie eingeordnet? Ein Anbieter im ersten Satz als „meistgenutzte Lösung" und einer im letzten Absatz als „Alternative für kleine Teams" sind beides Erwähnungen (Mentions). Ihre Sichtbarkeit bei der Zielgruppe unterscheidet sich jedoch erheblich.
• Tonalität: Dazu kommt die Tonalität als vierte Dimension: Eine Erwähnung als „bekannt für ein Problem" (z. B. Betrug, schlechter Service) ist eine Sichtbarkeit, die niemand will.

Folgende Kennzahlen lassen sich aus diesen Bereichen ableiten:

1. die Präsenzquote (Anteil der Prompts, bei denen die Marke erwähnt wird),
2. der Share of Voice (Anteil der eigenen Erwähnungen an allen Markennennungen im Prompt-Set),
3. der Citation Share (dasselbe für verlinkte Quellen)
4. und die zusammengesetzten Visibility Scores, die jeder Anbieter anders gewichtet. Werte verschiedener SEO- bzw. GEO-Tools sind daher nicht miteinander vergleichbar. Zudem ist eine KI-Sichtbarkeit ohne Angabe von Prompt-Set, Systemen und Zeitraum nicht interpretierbar.

Warum KI-Sichtbarkeit so schwer zu messen ist

Jeder Prompt verhält sich wie eine gezinkte Münze. Eine Webseite, ein Unternehmen oder ein Produkt erscheint in der KI-Antwort mit einer festen Wahrscheinlichkeit, zum Beispiel 60 Prozent – aber diese Wahrscheinlichkeit ist unbekannt.

Ein einzelner Wurf der Münze verrät nichts über die Wahrscheinlichkeit. Erst mehrere Würfe zeigen, wo die genaue Quote liegt.

Daraus folgt ein statistisches Gesetz, das für jede Messung gilt.

Die Zahlen in den folgenden Abschnitten stammen aus einer Auswertung von 120 Millionen Chats aus dem Zeitraum Februar bis August 2026 durch den Tool-Anbieter Peec AI (Quelle: The Key to Prompt Tracking).

Für eine Marke mit 50 Prozent Sichtbarkeit bedeutet das: Nach 100 Durchläufen liegt der wahre Wert mit hoher Wahrscheinlichkeit zwischen 40 und 60 Prozent, also ungefähr zehn Prozentpunkte.

Für ungefähr fünf Prozentpunkte braucht es 400 Durchläufe. Die Regel dahinter lautet also: Für die doppelte Genauigkeit sind viermal so viele Durchläufe nötig. Wer seine Messung um den Faktor zehn verfeinern will, braucht hundertmal so viele Abfragen.

Markenprompts und markenfreie Prompts schwanken unterschiedlich

Nicht jeder Prompt ist gleich unsicher. Die Auswertung zeigt zwei Gruppen, die sich klar unterscheiden:

• Markenprompts wie „Baut VW gute Elektroautos?" liefern stabile Ergebnisse. Die Marke kommt fast immer vor, weil sie in der Frage steht. Die Varianz liegt bei rund 0,02.
• Markenfreie Prompts wie „Welches Elektroauto eignet sich für Familien?" sind umkämpft. Hier entscheidet das System bei jeder Antwort neu, welche Anbieter es nennt. Die Varianz liegt bei rund 0,07, also dreimal so hoch. Rund 40 Prozent dieser Prompts liegen im Bereich zwischen 10 und 90 Prozent Sichtbarkeit, in dem eine Marke mal erscheint und mal fehlt.

Für die Messung lässt sich daraus ableiten: Markenprompts messen, ob das System die Marke kennt und wie es über sie spricht. Markenfreie Prompts messen, ob die Marke im Wettbewerb empfohlen wird. Beide Gruppen gehören ins Prompt-Set, werden aber getrennt ausgewertet – weil ein gemischter Durchschnitt die stabile Gruppe mit der schwankenden vermengt und die Zahl dadurch beruhigender aussehen lässt, als die Wettbewerbslage ist.

Was beim Tracking von Prompts zu beachten ist

Wichtig beim Messen von Prompts ist, welche Ergebnisse in den Antworten ausgespielt werden und was dabei das Ziel sein soll. Löst ein Prompt keine Citation oder Mention aus, ist er für die Optimierung natürlich nicht brauchbar.

Bevor überhaupt getrackt werden kann, ist eine Prompt-Recherche Pflicht. Da jeder Mensch anders chattet und die klassischen Keywords aus der Google-Suche hier nicht mehr greifen, sollte man sich im Vorfeld überlegen, welche Prompts getrackt werden sollen und welche Ergebnisse diese ausspielen. Auch die Auswahl der richtigen Systeme ist entscheidend.

Klassisches SEO spielt hauptsächlich auf Google (mit über 80 % Marktanteil weltweit). KI-Suchen sind deutlich diverser – entsprechend sollte man vorab auf die richtigen Systeme beim Prompt-Tracking setzen.

Sichtbarkeitsverläufe und Schwankungen im Prompt-Tracking richtig interpretieren

Die zweite Folge der Münz-Logik betrifft die Interpretation.

Ein Sichtbarkeitswert, der von 46 auf 41 fällt und zwei Tage später wieder bei 45 steht, sieht nach Bewegung aus. Rechnerisch hat ein solcher Verlauf innerhalb von 48 Stunden eine Wahrscheinlichkeit von rund 11 Prozent, allein durch Zufall zu entstehen. Derselbe Ausschlag über einen Monat hinweg wäre dagegen fast sicher ein echtes Signal.

Für ein typisches Setup mit täglichen Abfragen ergeben sich daraus drei Schwellen:

Vergleichszeitraum	Schwankung, die noch Rauschen sein kann
Tag zu Tag	bis rund 12 Prozentpunkte
Woche zu Woche	bis rund 5 Prozentpunkte
Monat zu Monat	bis rund 2 Prozentpunkte

Die konkreten Schwellen hängen von Prompt-Zahl und Frequenz des eigenen Setups ab, das Prinzip bleibt aber gleich.

Je länger der Vergleichszeitraum, desto kleiner ist die Veränderung, die als echt gelten kann. Wer auf Tagesausschläge reagiert, reagiert auf Zufall. Wer Monatswerte vergleicht, sieht Bewegungen, die eine Ursache haben.

Fünf Regeln für ein belastbares Prompt-Tracking

Mit diesen Regeln gelingt ein besseres Prompt-Tracking:

1. Prompt-Typen trennen: Markenprompts und markenfreie Prompts werden getrennt geführt und getrennt ausgewertet. Zusätzlich werden sie nach Themen und Phasen der Kaufentscheidung (Customer Journey) getaggt. Ein Gesamtwert über alle Prompts verdeckt, wo die Marke tatsächlich im Wettbewerb steht.
2. Keine Ableitungen aus Einzelprompt-Analysen: Die Sichtbarkeit eines einzelnen Prompts ist zu unsicher für Entscheidungen. Ausgewertet wird das gesamte Portfolio, also der Durchschnitt über eine Gruppe von Prompts.
3. Bewegung über längere Zeiträume beurteilen: Monatsvergleiche sind belastbar, Wochenvergleiche mit Vorsicht brauchbar, Tagesvergleiche fast immer Rauschen.
4. Erst Prompts ergänzen, dann Durchläufe erhöhen: Mehr verschiedene Prompts senken die Unsicherheit schneller als häufigere Abfragen derselben Prompts.
5. Prompt-Set einfrieren: Wer zwei Zeiträume vergleicht, muss dasselbe Prompt-Set verwenden. Jeder hinzugefügte oder entfernte Prompt verändert den Wert, ohne dass sich an der Sichtbarkeit etwas geändert hat. Änderungen am Set werden dokumentiert, der Vergleich beginnt danach neu.

Möglichkeiten der Messung: Tools, Tools und noch mehr Tools

Die Messung lässt sich auf drei Wegen mit unterschiedlichem Aufwand und unterschiedlicher Tiefe umsetzen.

Manuelle Stichprobe mit festem Prompt-Set: Für den Einstieg reicht eine einfache Tabelle mit 20 bis 30 Prompts, die einmal pro Woche in jedem relevanten KI-System abgefragt werden. Dabei wird festgehalten, ob die eigene Marke erwähnt (Mention) wird, an welcher Position sie auftaucht, ob die KI als Quelle auf die eigene Website verweist (Citation) und wie sie über die Marke spricht (Tonalität). Nach zwölf Wochen lassen sich erste Entwicklungen erkennen. Der manuelle Ansatz hat aber Grenzen und sollte nur bei ganz kleinem Budget gewählt werden: Durch die vergleichsweise geringen Abfragen bleibt die Unsicherheit der Ergebnisse extrem hoch. Sobald mehr als 50 Prompts oder mehrere Märkte berücksichtigt werden sollen, wird die Auswertung schnell zu aufwändig, um sie von Hand durchzuführen.

SEO- bzw. GEO-Tools: Tool-Anbieter wie Otterly.AI, SISTRIX, Semrush oder Ahrefs tracken ein festgelegtes Prompt-Set auf mehreren Systemen automatisch, beobachten Wettbewerber mit und weisen Share of Voice und vieles mehr aus. Man kann eigene Prompts abfragen lassen und bekommt zugleich eine Art KI-Sichtbarkeitskurve, mit der sich die eigene Sichtbarkeit auch mit der Konkurrenz vergleichen lässt.

Eigenbau über Schnittstellen: Wer Entwicklerkapazität hat (oder einfach vibe-coden möchte), fragt die Systeme über ihre APIs ab und wertet selbst aus. Das gibt volle Kontrolle über Prompts, Durchläufe und Zählregeln. Wer sich näher damit beschäftigen möchte, schaut sich einfach mal dataforseo.com an.

Google Analytics 4: Zeigt Referral-Traffic von chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com und vielen mehr an, wenn Nutzer auf einen Quellenlink klicken; die Quellen lassen sich zu einer eigenen Kanalgruppe zusammenfassen (Quelle: Google-Analytics-Hilfe, Standard-Channelgruppen). Traffic aus den AI Overviews läuft als organischer Google-Traffic ein und lässt sich nicht trennen. Über Looker Studio kann man so einfach sein eigenes KI-Traffic-Tracking einrichten. So sieht zum Beispiel unser Referral-Traffic-Tracking in einem Monatsreport aus:

Webmaster-Tools von Google und Bing: Bing und Google bieten über ihre hauseigenen Webmaster-Tools die kostenlose Möglichkeit, anzeigen zu lassen, wie oft und zu welchen Themen die Website in KI-Antworten vorkommt.

Ein Mess-Setup in fünf Schritten

1. Prompt-Set aufbauen. Mindestens 30 Prompts je Thema, getrennt in Markenprompts und markenfreie Prompts, getaggt nach Thema und Phase in der Customer Journey. Die Prompts kommen aus Kundenfragen, Support-Anfragen und der Prompt-Recherche – nicht aus dem Bauchgefühl des Inhabers ;-).
2. Systeme und Markt festlegen. Ein Softwareanbieter misst ChatGPT, Claude und Gemini; ein lokaler Dienstleister konzentriert sich auf AI Overviews und Google AI Mode. Deutschland, Österreich und die Schweiz werden getrennt gemessen, weil die Antworten sich unterscheiden.
3. Basismessung dokumentieren. Datum, Prompt-Set, Systeme, Ländereinstellung, Zahl der Durchläufe und Zählregeln werden festgehalten. Ohne diese Dokumentation lässt sich nach drei Monaten nicht sagen, ob ein Anstieg an der Sichtbarkeit oder am Setup liegt.
4. Rhythmus und Schwellen definieren. Tägliche Abfragen sind sinnvoll, um Durchläufe zu sammeln; berichtet wird monatlich mit Quartalsvergleich. Vorab wird festgelegt, ab welcher Veränderung reagiert wird – orientiert an den Rausch-Schwellen des eigenen Setups.
5. Ergebnisse mit Maßnahmen verknüpfen. Wird die Marke erwähnt, aber nie zitiert, fehlen zitierfähige Inhalte auf der eigenen Domain. Dominiert ein Wettbewerber bei markenfreien Vergleichsfragen, fehlt eine eigene Vergleichsseite. Kippt die Tonalität, liegt ein Reputationsthema außerhalb der Website vor. Wie sich Inhalte für KI-Systeme aufbereiten lassen, steht im Ratgeber zur Generative Engine Optimization.

Fazit: Es gibt Grenzen beim Prompt-Tracking – aber es ist möglich

Auch beim besten Setup bleiben vier Grenzen bestehen. Sie machen die Messung nicht nutzlos – im Gegenteil: Jede Art von Daten, richtig getrackt, ist wertvoll. Diese Grenzen bestimmen aber, welche Rückschlüsse erlaubt sind.

Das Prompt-Set ist ein Ausschnitt. Jeder Mensch promptet anders mit der KI, und es werden täglich Millionen verschiedener Fragen an KI-Systeme gestellt. Ein Set mit 200 Prompts deckt davon nur einen ganz kleinen Teil ab.

Kein Tool misst echte Nutzer-Prompts. Anders als die Google Search Console, die reale Suchanfragen zeigt, gibt es für KI-Systeme keine direkte Quelle, die verrät, was Menschen tatsächlich eingeben. Alle Prompt-Sets beruhen auf Annahmen.

Personalisierung und Kontext verzerren. Ein angemeldeter Nutzer mit Chatverlauf bekommt andere Antworten als ein anonymer. Standort, Sprache und frühere Fragen im selben Chat wirken auf die Antwort. Messwerkzeuge fragen in einem neutralen Kontext ab, der keinem echten Nutzer entspricht.

Genauigkeit kostet überproportional. Die sogenannte Vierfachregel zeigt, wie schnell der Aufwand für genauere Messungen steigt. Wer die Unsicherheit bei einem einzelnen Thema auf ungefähr zwei Prozentpunkte begrenzen möchte, benötigt dafür mehrere tausend Abfragen pro Monat – für die meisten Unternehmen kaum praktikabel. Realistischer ist es, die Sichtbarkeit über das gesamte Themenportfolio hinweg mit einer Unsicherheit von fünf bis zehn Prozentpunkten zu messen. Wichtig ist, diese Spanne in den Berichten transparent anzugeben: Einen einzelnen Wert zu nennen, reicht nicht aus.

Daraus lässt sich ableiten: KI-Sichtbarkeit lässt sich sinnvoll über einen längeren Zeitraum beobachten, als Wertebereich darstellen und mit Wettbewerbern vergleichen.