KI-Sichtbarkeit messen
Wie aus Daten sinnvolle Prioritäten werden
Die Frage kommt inzwischen in fast jedem SEO- oder Content-Gespräch: Werden wir von ChatGPT, Gemini, Copilot und anderen KI-Systemen überhaupt gefunden? Kurz darauf folgt meist der Wunsch nach einer Kennzahl. Ein Dashboard soll zeigen, ob die eigene Marke sichtbar ist und wie sie im Vergleich zum Wettbewerb abschneidet.
Das klingt vertraut, weil klassische Suchmaschinenoptimierung über Jahre ein festes Vokabular aufgebaut hat. Rankings, Impressionen, Klicks und Conversions lassen sich in eine nachvollziehbare Kette bringen. Bei KI-gestützten Antworten ist diese Kette weniger vollständig. Systeme formulieren Antworten, kombinieren Quellen und zeigen Links je nach Produkt, Frage und Nutzungssituation unterschiedlich an.
Seit 2026 werden die Daten konkreter. Google Search Console bietet einen Bericht für generative Suchfunktionen, Bing Webmaster Tools zeigt Zitierungen und thematische Zusammenhänge in KI-Antworten, und Google Analytics ordnet erkannte Besuche aus KI-Assistenten einem eigenen Kanal zu. Damit lässt sich mehr beobachten als noch vor einem Jahr. Eine vollständige Marktansicht entsteht trotzdem nicht.
Wir behandeln KI-Sichtbarkeit deshalb nicht als neue Rankingliste. Unternehmen brauchen ein Messkonzept, das drei Ebenen auseinanderhält: die Präsenz in Antworten, den Übergang auf die eigene Website und die geschäftliche Wirkung. Jede Ebene beantwortet eine andere Frage und führt zu anderen Maßnahmen.
Vor der Messung steht eine geschäftliche Frage
Die allgemeine Frage nach der eigenen KI-Sichtbarkeit ist für ein Dashboard zu breit. Ein Hersteller möchte vielleicht wissen, ob seine Produkte bei technischen Vergleichen berücksichtigt werden. Eine Beratung interessiert sich für Fragen, die vor einer Kontaktaufnahme entstehen. Ein regionaler Dienstleister braucht korrekte Angaben zu Standort, Leistungen und Erreichbarkeit.
Wir beginnen daher mit wenigen Geschäftszielen. Dazu können Bekanntheit in einer neuen Zielgruppe, besseres Verständnis erklärungsbedürftiger Leistungen oder die Unterstützung qualifizierter Anfragen gehören. Erst daraus ergeben sich passende Themen, Fragen und Zielseiten.
Diese Reihenfolge schützt vor einer verbreiteten Fehlentwicklung. Ein Tool meldet viele Erwähnungen für ein Randthema, und das Team investiert dort weiter, obwohl daraus weder relevante Besucher noch Geschäft entstehen. Die Messung wird dann von verfügbaren Daten statt vom Unternehmensziel gesteuert.
Ein brauchbarer Auftrag könnte lauten: Wir wollen über drei Monate beobachten, ob unsere Inhalte bei Fragen zur Auswahl und Einführung eines bestimmten Angebots als Quelle erscheinen, ob daraus Besuche entstehen und ob diese Besucher weitere fachlich passende Seiten nutzen oder Kontakt aufnehmen.
Die Themenliste ist wichtiger als eine lange Prompt-Sammlung
Viele Monitoring-Projekte starten mit hunderten Einzelfragen. Die Liste wirkt gründlich, enthält aber häufig Varianten derselben Formulierung. Nach wenigen Wochen ist unklar, welche Veränderungen wirklich relevant sind und welche nur auf eine andere Wortwahl zurückgehen.
Wir ordnen Fragen zunächst in Themen und Absichten. Ein Interessent möchte ein Problem verstehen, Lösungen vergleichen, Kosten einschätzen, Risiken prüfen oder einen Anbieter auswählen. Innerhalb eines Themas genügen einige repräsentative Formulierungen, solange sie diese unterschiedlichen Situationen abdecken.
Die Auswahl kommt aus realen Quellen: Gespräche mit Vertrieb und Support, Suchanfragen aus der Search Console, interne Website-Suche, Ausschreibungen und Fragen aus Beratungsterminen. Generische Prompt-Datenbanken können ergänzen, sollten aber nicht bestimmen, was für das Unternehmen wichtig ist.
Jede Themenfamilie erhält eine Priorität und passende Seiten. So wird später sichtbar, ob eine fehlende Nennung überhaupt eine inhaltliche Lücke betrifft. Ohne diese Zuordnung produziert das Monitoring eine Liste interessanter Antworten, aber keine Arbeitsgrundlage für die Redaktion.
Markenerwähnung, Zitat und Empfehlung sind verschiedene Signale
Eine Marke kann im Fließtext einer Antwort genannt werden, ohne dass ihre Website als Quelle verlinkt ist. Umgekehrt kann ein Fachartikel zitiert werden, während der Firmenname in der sichtbaren Antwort kaum vorkommt. Bei einer Empfehlung wird das Unternehmen möglicherweise zusammen mit mehreren Alternativen aufgeführt.
Diese Fälle sollten getrennt gezählt werden. Eine Erwähnung zeigt, dass ein Name im Antwortkontext auftaucht. Eine Zitierung weist darauf hin, dass eine konkrete Seite als Quelle verwendet wurde. Eine Empfehlung deutet auf eine stärkere Verbindung zur Auswahlentscheidung hin, muss aber inhaltlich geprüft werden.
Auch die Richtigkeit zählt. Eine häufige Nennung mit veraltetem Produktnamen oder falscher Leistungsbeschreibung ist kein Erfolg. Das Monitoring braucht deshalb eine Qualitätsdimension: korrekt, teilweise korrekt, irreführend oder nicht bewertbar.
Wir erfassen außerdem den Kontext und unterscheiden die Rolle der Marke als Anbieter, Quelle, Beispiel, Kritikpunkt oder bloße Randnotiz. Eine zusammengefasste Sichtbarkeitszahl würde diese Unterschiede verdecken und könnte negative oder irrelevante Nennungen wie positive Reichweite behandeln.
Plattformdaten haben Vorrang vor geschätzten Fremdwerten
Wo ein Anbieter eigene Daten bereitstellt, beginnen wir dort. Diese Berichte kennen zumindest den Ausschnitt des jeweiligen Systems. Sie sind näher an der tatsächlichen Auslieferung als externe Werkzeuge, die ausgewählte Prompts selbst abfragen und daraus Hochrechnungen bilden.
Google verweist für generative Funktionen in Search und Discover auf den entsprechenden Leistungsbericht der Search Console. Er hilft zu verstehen, wie Inhalte über diese Oberflächen entdeckt werden. Die Daten bleiben Teil des Google-Ökosystems und erklären nicht automatisch, wie andere Assistenten mit denselben Seiten umgehen.
Bing Webmaster Tools zeigt im Bereich AI Performance, wie oft Seiten in unterstützten KI-Erlebnissen zitiert werden. Hinzu kommen unter anderem zitierte URLs, Grounding Queries, Themen, Absichten und ein relativer Citation Share. Microsoft weist selbst darauf hin, dass Zitierungen weder Platzierung noch Autorität einer Seite ausdrücken.
Solche Hinweise gehören in die interne Interpretation. Ein steigender Citation Share ist ein interessantes Signal innerhalb des abgedeckten Systems. Er ist kein allgemeiner Marktanteil für KI-Sichtbarkeit und keine Garantie für mehr Geschäft.
Manuelle Abfragen zeigen Antworten, aber keinen Marktanteil
Für Systeme ohne geeigneten Publisher-Bericht bleiben kontrollierte Abfragen nützlich. Sie zeigen, welche Quellen und Marken bei konkreten Fragen erscheinen, wie das eigene Angebot beschrieben wird und welche Wettbewerber im selben Kontext vorkommen.
Der Aufbau muss reproduzierbar sein. Wir dokumentieren Plattform, Modell oder Produkt, Datum, Region, Sprache, angemeldeten Zustand und verwendete Frage. Wenn möglich, starten wir ohne persönlichen Verlauf. Selbst dann können Antworten variieren.
Eine einzelne Abfrage ist eine Momentaufnahme. Mehrere Wiederholungen zu festen Zeitpunkten zeigen, ob eine Quelle stabil vorkommt oder nur gelegentlich erscheint. Das Ergebnis bleibt eine Stichprobe und darf nicht als Anteil aller realen Nutzerfragen ausgegeben werden.
Besonders vorsichtig sind wir bei scheinbar exakten Rankings. Generative Antworten besitzen oft keine beständige Position eins bis zehn. Links können in Text, Quellenkarten oder weiterführenden Bereichen erscheinen. Eine Messung sollte die reale Darstellungsform beschreiben, statt ihr nachträglich eine klassische Ranglogik aufzuzwingen.
Ein Vergleichszeitraum braucht einen festen Ausgangspunkt
Vor redaktionellen Änderungen erfassen wir einen Ausgangsstand aus zitierten Seiten, sichtbaren Themen, genannten Wettbewerbern und erkanntem KI-Traffic. Ohne Baseline lässt sich später kaum unterscheiden, ob eine Maßnahme wirkte oder eine Entwicklung bereits vorher begonnen hatte.
Der Zeitraum sollte lang genug sein, um zufällige Schwankungen abzufedern. Bei kleinen Websites reichen wöchentliche Zahlen selten für sichere Schlüsse. Monats- oder Quartalsvergleiche sind oft sinnvoller, ergänzt um Notizen zu Veröffentlichungen, Relaunches und größeren Plattformänderungen.
Saisonalität spielt ebenfalls eine Rolle. Ein Thema rund um Jahresabschlüsse, Ausbildung oder Veranstaltungen hat natürliche Spitzen. Der Vergleich zum Vormonat kann dann irreführen. Wo Daten vorliegen, betrachten wir denselben Zeitraum des Vorjahres oder einen fachlich vergleichbaren Zyklus.
Wir frieren die wichtigsten Themen und Kernfragen für den Vergleich ein. Neue Fragen dürfen hinzukommen, werden aber gesondert gekennzeichnet. Sonst steigt die gemessene Sichtbarkeit allein deshalb, weil das Team den Beobachtungsumfang erweitert hat.
KI-Traffic ist sichtbar, aber nicht vollständig
Ein Klick aus einer KI-Antwort kann als Referral oder eigener Kanal in der Webanalyse erscheinen. Google Analytics ordnet seit Mai 2026 erkannte Besuche populärer KI-Assistenten dem Medium ai-assistant und dem Kanal „AI Assistant“ zu. Damit lassen sich Sitzungen und Folgeverhalten leichter vergleichen.
Die Erkennung hängt von übermittelten Referrer-Informationen und bekannten Quellen ab. Manche Apps, Weiterleitungen, Datenschutzeinstellungen oder kopierte Links liefern keine eindeutige Herkunft. Solche Besuche können als direkt oder in einer anderen Gruppe erscheinen. Der ausgewiesene KI-Traffic ist daher eher eine Untergrenze als eine vollständige Zählung.
Wir prüfen die Rohwerte für Quelle und Medium, statt nur eine fertige Kanalgruppe zu betrachten. Neue Assistenten oder veränderte Hostnamen können zunächst außerhalb der erwarteten Zuordnung liegen. Eigene, dokumentierte Gruppierungen helfen bei historischen Vergleichen, solange sie nicht rückwirkend unterschiedliche Regeln vermischen.
Traffic allein unterschätzt außerdem Antworten, die eine Frage vollständig lösen. Ein Nutzer kann eine korrekte Adresse, Definition oder Produktempfehlung sehen, ohne zu klicken. Sichtbarkeit und Website-Besuch bleiben deshalb getrennte Ebenen.
Besucherqualität sagt mehr als die Zahl der Sitzungen
KI-Assistenten senden häufig weniger Besuche als klassische Suchmaschinen. Diese Besucher können dafür mit einem konkreteren Anliegen kommen, weil ein Teil der Orientierung bereits in der Antwort stattgefunden hat. Ob das zutrifft, muss die eigene Analyse zeigen.
Wir vergleichen Einstiegsseiten, Engagement, weitere Seitenaufrufe und passende Schlüsselereignisse. Für ein Beratungsunternehmen können das ein gelesener Leistungsbereich, ein heruntergeladenes Dokument oder eine ernsthafte Kontaktaufnahme sein. Eine pauschale Verweildauer erklärt den Nutzen nur begrenzt.
Kleine Zahlen erfordern Zurückhaltung. Drei Anfragen aus fünf Sitzungen sind interessant, aber keine stabile Conversion Rate. Wir berichten absolute Werte zusammen mit Quoten und vermeiden Prozentvergleiche, wenn wenige einzelne Besuche das Ergebnis stark verändern.
Bei längeren Entscheidungswegen betrachten wir unterstützende Kontakte. Ein Nutzer entdeckt die Marke in einer KI-Antwort, kehrt später über die Suche zurück und fragt erst danach an. Die letzte Quelle allein würde den früheren Impuls nicht zeigen. CRM-Fragen nach dem ersten Kontakt können diese Lücke teilweise schließen.
Die Wirkung ohne Klick bleibt schwieriger zu messen. Ein Entscheider kann eine Marke mehrfach in Antworten sehen und Wochen später direkt nach ihr suchen. In der Webanalyse erscheint dann eine organische oder direkte Sitzung. Eine eindeutige technische Zuordnung wäre zu viel versprochen.
Für größere Themen beobachten wir deshalb ergänzende Signale: Entwicklung markenbezogener Suchanfragen, direkte Zugriffe auf passende Einstiegsseiten, Erwähnungen in Erstgesprächen und Veränderungen bei Anfragen, die ein bestimmtes Problem benennen. Keines dieser Signale beweist allein einen KI-Einfluss. Gemeinsam können sie eine plausible Entwicklung zeigen.
Kontrollgruppen sind nur begrenzt möglich, aber ein Vergleich hilft. Überarbeiten wir einen klar abgegrenzten Themenbereich und lassen einen ähnlich starken Bereich zunächst unverändert, beobachten wir beide über denselben Zeitraum. Saison, allgemeine Markenaktivität und Plattformänderungen wirken zwar weiterhin hinein, doch der Vergleich ist aussagekräftiger als eine isolierte Vorher-Nachher-Zahl.
Wir vermeiden dabei den Versuch, jeden Kontaktpunkt vollständig zuzurechnen. Content unterstützt Entscheidungen häufig über mehrere Wochen und Kanäle. Das Messmodell soll Investitionen priorisieren, nicht eine Scheingenauigkeit erzeugen. Für die Praxis genügt oft zu erkennen, welche Themen wiederholt Sichtbarkeit, qualifizierte Besuche und vertriebliche Relevanz zusammenbringen.
Zitierte Seiten werden nach ihrer Aufgabe bewertet
Eine häufig zitierte Ratgeberseite kann fachliche Reichweite erzeugen, ohne direkt Anfragen zu gewinnen. Das ist nicht automatisch ein Problem. Ihr Auftrag kann darin bestehen, eine frühe Frage zu beantworten und auf eine passende Leistung oder vertiefende Seite weiterzuführen.
Wir ordnen deshalb jeder wichtigen Seite eine Rolle zu: Orientierung, Vergleich, Entscheidung, Support oder Unternehmensnachweis. Danach prüfen wir, ob die gemessene Sichtbarkeit zu dieser Rolle passt. Eine Kontaktseite muss nicht für breite Fachfragen zitiert werden.
Seiten mit Zitierungen, aber ohne sinnvollen nächsten Schritt erhalten keine künstliche Verkaufsbotschaft. Sie brauchen eine passende Verbindung. Das kann ein weiterführender Leitfaden, ein konkretes Leistungsangebot oder eine fachliche Kontaktmöglichkeit sein.
Umgekehrt sind Seiten ohne Zitierung nicht pauschal schwach. Manche Inhalte dienen Bestandskunden, rechtlichen Informationen oder sehr spezifischen Aufgaben. Die Priorisierung richtet sich nach ihrem Zweck und nicht danach, ob sie in einem KI-Bericht erscheinen.
Wettbewerbsvergleiche brauchen eine saubere Grenze
Externe Monitoring-Werkzeuge zeigen gern einen Visibility Score und eine Rangliste konkurrierender Marken. Solche Werte können Trends illustrieren, beruhen aber auf der Prompt-Auswahl, den unterstützten Plattformen und der eigenen Berechnung des Anbieters.
Wir vergleichen deshalb nur innerhalb desselben Werkzeugs, derselben Themenliste und desselben Zeitraums. Ein Wert von 42 lässt sich nicht mit 37 aus einem anderen System verrechnen. Selbst innerhalb eines Tools kann eine methodische Änderung die Reihe beeinflussen.
Der Wettbewerber muss fachlich passen. Große Verzeichnisse, Medien und internationale Anbieter erscheinen bei vielen Fragen, sind aber nicht immer echte Alternativen für den Kunden. Ein Vergleichsset enthält direkte Wettbewerber, wichtige Informationsquellen und gegebenenfalls Plattformen, die den Entscheidungsraum prägen.
Interessanter als die reine Zahl ist häufig das Muster aus Fragen, verwendeten Quellen, gelieferten Belegen und der erkennbaren Funktion einer Wettbewerberseite. Daraus entsteht eine redaktionelle Hypothese, keine Aufforderung zum Kopieren.
Messwerte werden erst durch Ursachenanalyse nützlich
Eine Seite verliert Zitierungen. Der erste Reflex ist oft, den Text zu erweitern. Vielleicht hat sich jedoch die Frage verändert, eine aktuellere Quelle ist erschienen oder das System kann die Seite technisch nicht mehr zuverlässig abrufen. Ohne Ursachenprüfung produziert die Redaktion mehr Inhalt am falschen Ort.
Wir betrachten deshalb Inhalt, Technik und Umfeld gemeinsam. Geprüft werden Aktualität und Eindeutigkeit der Aussage, die klare Benennung des verantwortlichen Anbieters, verfügbare Informationen im HTML, Canonical und Indexierung, interne Verlinkung sowie neue Primärdaten oder Werkzeuge von Wettbewerbern.
Eine einzelne Korrelation reicht nicht für eine sichere Erklärung. Nach einer Überarbeitung können Zitierungen steigen, während das System im selben Zeitraum sein Antwortverhalten ändert. Wir dokumentieren Änderungen und beobachten mehrere Signale, bevor daraus eine allgemeine Regel wird.
Diese Vorsicht bedeutet nicht, dass keine Entscheidungen möglich sind. Sie verhindert nur übertriebene Gewissheit. Gute Content-Arbeit basiert ohnehin auf Nutzen, Aktualität und überprüfbaren Aussagen. Messdaten helfen, die Reihenfolge dieser Arbeit besser zu wählen.
Ein Dashboard braucht Ebenen statt einer großen Zahl
Für die Geschäftsführung darf ein Bericht kompakt sein. Kompakt heißt jedoch nicht, alle Signale zu einem undurchsichtigen Index zu verrechnen. Ein brauchbares Dashboard zeigt die Kette von Präsenz über Besuch bis Wirkung.
Auf der ersten Ebene stehen Zitierungen, Erwähnungen und abgedeckte relevante Themen. Die zweite Ebene enthält erkannte KI-Sitzungen, Einstiegsseiten und wiederkehrende Quellen. Die dritte Ebene zeigt passende Schlüsselereignisse, Anfragen und qualitative Rückmeldungen aus Vertrieb oder Support.
Jede Kennzahl erhält Quelle, Zeitraum und bekannte Einschränkung. „128 Zitierungen in Bing AI Performance“ ist nachvollziehbarer als „KI-Sichtbarkeit 71 Prozent“. Bei manuellen Stichproben nennen wir Anzahl der Fragen und Läufe.
Der Bericht endet mit wenigen Maßnahmen samt Begründung. Eine Seite wird aktualisiert, weil sie häufig zitiert wird und eine veraltete Aussage enthält. Ein Themencluster wird ergänzt, weil relevante Fragen unbeantwortet bleiben. Eine andere Idee wird bewusst zurückgestellt, weil zwar Sichtbarkeit fehlt, aber kein geschäftlicher Bezug erkennbar ist.
Ein Messrhythmus muss zum Datenvolumen passen
Tägliche Schwankungen erzeugen bei kleinen Datenmengen vor allem Unruhe. Für viele mittelständische Websites genügt ein monatlicher Bericht mit einem ausführlicheren Quartalsreview. Kritische Falschangaben oder Markenprobleme werden unabhängig davon zeitnah verfolgt.
Automatisierte Abfragen können häufiger laufen, wenn ihre Kosten und Bedingungen klar sind. Sie ersetzen nicht die manuelle Prüfung ausgewählter Antworten. Eine Nennung kann formal erkannt und trotzdem in einem ungünstigen oder falschen Zusammenhang stehen.
Bei Plattformberichten übernehmen wir deren Granularität und Grenzen. Daten werden nicht durch Hochrechnung künstlich präziser gemacht. Fehlende Werte bleiben als Lücke sichtbar, statt sie mit Schätzungen zu füllen, die später wie Messungen aussehen.
Nach drei bis sechs Monaten lässt sich der Umfang anpassen. Themen ohne Relevanz werden entfernt, neue Angebote kommen hinzu und stabile Fragen können seltener geprüft werden. Die historische Vergleichsreihe bleibt durch dokumentierte Änderungen verständlich.
Für das regelmäßige Review braucht es eine verantwortliche Person, aber keine isolierte Spezialdisziplin. Content und SEO lesen Themen- und Seitensignale, die Webanalyse ordnet Besuche ein, und der Vertrieb bewertet die Qualität eingehender Kontakte. Ein gemeinsamer Termin pro Quartal reicht häufig, wenn Auffälligkeiten zwischendurch dokumentiert werden.
In diesem Termin werden keine einzelnen Prompt-Schwankungen diskutiert. Das Team betrachtet Trends, überprüft falsche Darstellungen und entscheidet über wenige nächste Maßnahmen. Jede Maßnahme erhält eine erwartete Wirkung und einen späteren Prüftermin. So bleibt das Monitoring mit redaktioneller Arbeit verbunden und entwickelt sich nicht zu einem Dashboard, das zwar regelmäßig aktualisiert, aber selten genutzt wird. Werden über mehrere Termine keine Entscheidungen aus einer Kennzahl abgeleitet, gehört sie auf den Prüfstand. Weniger Werte mit klarer Zuständigkeit sind für die tägliche Arbeit meist hilfreicher als eine ständig wachsende Sammlung verfügbarer Metriken. Das hält Aufwand, Interpretation und redaktionelle Umsetzung für alle beteiligten Teams überschaubar und dauerhaft handhabbar.
Messdaten brauchen eine gemeinsame Ablage
Schon ein kleines Monitoring erzeugt verschiedene Datenformen. Search Console und Bing liefern exportierbare Kennzahlen, die Webanalyse arbeitet mit Sitzungen und Ereignissen, manuelle Abfragen bestehen aus Antworten, Screenshots und Quellenlisten. Ohne eine gemeinsame Struktur lassen sich diese Bestände nach einigen Monaten kaum noch verbinden.
Wir legen deshalb ein einfaches Datenmodell fest. Ein Datensatz enthält Zeitraum, Plattform, Themenfamilie, konkrete Frage oder Plattformsignal, genannte Marke, zitierte URL, Ergebnisqualität und zugehörige Zielseite. Automatische Kennzahlen bleiben von manuellen Beobachtungen unterscheidbar. Niemand sollte später eine hochgerechnete Stichprobe mit einer vollständigen Plattformstatistik verwechseln.
Auch Namensvarianten werden gepflegt. Unternehmen treten mit Firmennamen, Produktmarken, Abkürzungen und früheren Bezeichnungen auf. Ein reiner exakter Textvergleich übersieht relevante Erwähnungen oder ordnet gleichlautende Begriffe falsch zu. Das Markenverzeichnis enthält erlaubte Varianten und Hinweise auf mögliche Verwechslungen.
Exporte erhalten ein festes Datum und bleiben unverändert archiviert. Das laufende Dashboard darf Kennzahlen neu berechnen, die zugrunde liegenden Rohstände aber nicht still überschreiben. Plattformen entwickeln ihre Berichte weiter; historische Werte können sonst später mit einer anderen Definition erscheinen, ohne dass das Team die Abweichung erklären kann.
Redaktionelle Änderungen werden im selben Zeitraumprotokoll vermerkt. Dazu gehören neue Seiten, umfangreiche Überarbeitungen, geänderte Titel, technische Migrationen und entfernte Inhalte. So sieht die Auswertung, welche Maßnahmen grundsätzlich als Ursache einer Entwicklung infrage kommen. Ein solcher Vermerk beweist noch keine Wirkung, verhindert aber reine Erinnerungsschätzungen.
Für Anfragen ergänzen Vertrieb oder Beratung eine kurze Herkunftsnotiz, wenn der Kunde einen KI-Assistenten ausdrücklich erwähnt. Die Frage bleibt freiwillig und knapp. Formulierungen wie „Wie sind Sie auf uns aufmerksam geworden?“ liefern oft mehr Kontext als der letzte technische Referrer und können zeigen, dass KI-Antworten früh in einer längeren Entscheidungsreise vorkamen.
Zugriffsrechte und Aufbewahrung werden ebenfalls geklärt. Für Sichtbarkeitsanalysen sind meist aggregierte Kennzahlen ausreichend. Vollständige Chatverläufe, personenbezogene Angaben oder vertrauliche Kundenfragen gehören nicht vorsorglich in ein Marketing-Dashboard. Die Messung soll Entscheidungen verbessern, ohne einen neuen unnötigen Datenbestand zu schaffen.
Der Start gelingt mit einem kleinen Messmodell
Für den Anfang wählen wir drei bis fünf wichtige Themenfelder und pro Feld einige typische Fragen. Wir ordnen relevante Zielseiten zu und erfassen einen Ausgangsstand in verfügbaren Plattformberichten, Webanalyse und manuellen Stichproben.
Danach definieren wir je Ebene eine überschaubare Kennzahl: zitierte Seiten oder relevante Erwähnungen, erkannte KI-Besuche und ein geschäftsnahes Ereignis. Ergänzt wird eine Qualitätsprüfung für falsche oder veraltete Aussagen.
Die ersten Maßnahmen sollten aus erkennbaren Lücken entstehen. Fehlt eine klare Antwort auf eine häufige Kundenfrage, wird sie fachlich ergänzt. Wird eine falsche Seite zitiert, prüfen wir Struktur und interne Verbindungen. Bringt ein Thema Besuche ohne passenden nächsten Schritt, verbessern wir die Nutzerführung.
KI-Sichtbarkeit wird damit nicht zu einer perfekten Kennzahl. Sie wird zu einem beobachtbaren Teil der Customer Journey. Unternehmen können erkennen, wo ihre Inhalte als Quelle dienen, welche Besucher daraus entstehen und an welcher Stelle redaktionelle Arbeit wahrscheinlich den größten Nutzen bringt.