KI-Sichtbarkeit (AI Visibility): Definition, Kennzahlen und Messung

Beispiel aus der Praxis

Ein typischer Fall: Ein Team hat für eine Website neue Inhalte veröffentlicht, etwa Definitionen, Vergleichstabellen und eine Faktenseite zur Marke. Nach einigen Wochen soll geklärt werden, ob die Marke in ChatGPT, Perplexity oder den KI-Übersichten von Google häufiger genannt wird und ob die neuen Seiten als Quelle auftauchen.

Von Hand ist das kaum zu leisten. Antworten schwanken zwischen Abfragen, die Daten liegen in verschiedenen Tools, und klassische Kennzahlen wie Klicks und Rankings sagen über KI-Antworten wenig aus.

Die AI Visibility Monitoring Platform von Ozan Orhan setzt genau dort an. Laut Projektbeschreibung führen drei n8n-Workflows fünf externe Datenquellen zusammen: Suchmetriken, Ranking-Daten, Webanalyse und die Sichtbarkeit in KI-Antworten. Ein Analyse-Agent mit strukturiertem Output wertet die Sichtbarkeitsdaten täglich aus. Eine weitere Komponente prüft je betreuter URL, ob sich eine umgesetzte Maßnahme messbar ausgewirkt hat, und zählt fehlende Werte dabei nicht als Null.

Das Beispiel zeigt, worum es bei KI-Sichtbarkeit in der Praxis geht: nicht um einen einzelnen Screenshot einer Antwort, sondern um wiederholte Messungen, die mit anderen Daten verknüpft werden.

Woraus besteht KI-Sichtbarkeit?

KI-Sichtbarkeit setzt sich aus mehreren Signalen zusammen. Die Anbieter von Messwerkzeugen benennen und gewichten sie unterschiedlich, im Kern tauchen aber immer dieselben Größen auf.

Erwähnungen und Zitate sind getrennte Signale und sollten getrennt ausgewertet werden. Ahrefs definiert für Brand Radar Erwähnungen als Textfunde des Markennamens in gespeicherten KI-Antworten und Zitate als verlinkte URLs in diesen Antworten (Ahrefs, Stand Februar 2026).

Wie misst man KI-Sichtbarkeit?

Es gibt zwei Datenquellen: eigene oder fremde Abfragen von KI-Systemen und die Berichte der Suchmaschinen selbst.

Prompt-Monitoring. Eine feste Liste von Fragen, die echte Nutzer stellen könnten, wird in regelmäßigen Abständen an mehrere KI-Systeme geschickt. Die Antworten werden gespeichert und ausgewertet. Weil Antworten zwischen Abfragen schwanken, sind Trends über Wochen aussagekräftiger als einzelne Ergebnisse.

Anbieter-Indizes. Einige Tools arbeiten mit großen, vom Anbieter gepflegten Fragensammlungen. Ahrefs leitet die Fragen für Brand Radar aus seiner Keyword-Datenbank und aus „Ähnliche Fragen“ bei Google ab und erfasst ChatGPT, Perplexity, Gemini, Microsoft Copilot sowie die KI-Übersichten und den KI-Modus von Google (Ahrefs, Stand Februar 2026). SISTRIX führt einen AI Visibility Index für Antworten aus KI-Chatbots und KI-Funktionen der Google-Suche (SISTRIX, Stand Oktober 2026).

Berichte der Suchmaschinen. Google hat im Juni 2026 eigene Berichte zu generativen KI-Funktionen in der Search Console vorgestellt und sie laut eigener Angabe seit dem 31. August 2026 für alle Websites freigeschaltet (Google Search Central, Stand Oktober 2026). Sie zeigen Impressionen in KI-Übersichten, im KI-Modus und in KI-Funktionen von Discover, aufgeschlüsselt nach Seiten, Ländern, Geräten und Zeitraum. Bing Webmaster Tools bietet seit Februar 2026 den Bereich AI Performance in einer öffentlichen Vorschau, mit Zitaten in Microsoft Copilot und KI-Zusammenfassungen in Bing sowie sogenannten Grounding Queries (Bing Webmaster Blog, Stand Oktober 2026).

Was ist der Unterschied zwischen KI-Sichtbarkeit und klassischer SEO-Sichtbarkeit?

Klassische Sichtbarkeit misst Positionen in einer Ergebnisliste. KI-Sichtbarkeit misst, ob und wie eine Marke in einem formulierten Antworttext vorkommt.

Beide hängen eng zusammen. KI-Suchen recherchieren für eine Antwort häufig selbst im Netz, oft mit mehreren Teilabfragen (Query Fan-out). Seiten, die dabei nicht gefunden werden oder für KI-Crawler gesperrt sind, können auch nicht zitiert werden.

Wie hängen KI-Sichtbarkeit und GEO zusammen?

KI-Sichtbarkeit ist die Messgröße, GEO (Generative Engine Optimization) die Arbeit, die sie verbessern soll. Ohne Messung bleibt unklar, ob Maßnahmen wie klare Definitionen, belegte Zahlen oder strukturierte Daten etwas bewirken.

Google ordnet die Optimierung für generative KI-Funktionen der eigenen Suche weiterhin als SEO ein und rät, Analyse-Tools von Drittanbietern kritisch zu prüfen. Kein Drittanbieter habe Zugriff auf die internen Ranking- oder KI-Systeme von Google (Google Search Central, Stand 10. Juli 2026).

Welche Fehler gibt es bei der Messung von KI-Sichtbarkeit?

Einzelne Antworten gelten als Beleg. KI-Antworten sind nicht deterministisch. Eine einzelne Abfrage kann eine Marke nennen, die nächste nicht. Erst wiederholte Messungen ergeben ein belastbares Bild.

Tools werden direkt verglichen. Jeder Anbieter verwendet andere Fragen, Plattformen, Länder und Gewichtungen. Ahrefs weist selbst darauf hin, dass seine Werte die mögliche Sichtbarkeit modellieren und keine tatsächliche Reichweite messen (Ahrefs, Stand Februar 2026).

Die Fragenliste passt nicht zur Zielgruppe. Wer nur nach dem eigenen Markennamen fragt, misst Bekanntheit, nicht Sichtbarkeit. Aussagekräftig sind Fragen, die potenzielle Nutzer stellen, ohne die Marke schon zu kennen.

Fehlende Daten werden als Null gezählt. Fällt eine Datenquelle aus, entsteht sonst ein scheinbarer Einbruch. Lücken sollten als Lücken markiert werden.

Sichtbarkeit wird mit Wirkung verwechselt. Eine Erwähnung ist noch kein Besuch und kein Umsatz. Sinnvoll ist, KI-Sichtbarkeit mit Webanalyse und Suchdaten zu verknüpfen.