Die erste ehrliche Aussage über Sichtbarkeit in KI-Antworten lautet: Es gibt nichts zu messen im Sinne einer Kennzahl. Keine Position, kein Volumen, keinen Index. Wer trotzdem einen Prozentwert mit Nachkommastelle vorlegt, hat ihn gebildet, nicht erhoben.
Was möglich ist, sind wiederholte Stichproben. Richtig gemacht, ergeben sie über Monate eine belastbare Entwicklung.
Der Fragenkatalog
Zwanzig bis vierzig Fragen, die ein potenzieller Kunde tatsächlich stellen würde, in drei Arten:
- Kategoriefragen: „Wer bietet X in Y an?" – prüft, ob Sie überhaupt vorkommen
- Sachfragen: „Wie funktioniert X?" – prüft, ob Ihre Erklärung übernommen wird
- Markenfragen: „Was macht [Ihr Name]?" – prüft, ob Sie richtig beschrieben werden
Die dritte Art wird fast immer vergessen und liefert die unangenehmsten Befunde. Eine falsche Angabe über Ihr Unternehmen, die in Antworten kursiert, ist wichtiger als jede fehlende Nennung.
Feste Bedingungen
Gleiche Formulierung, gleicher Erhebungsrhythmus, gleiche Systeme, jeweils in einer frischen Sitzung ohne Verlauf, jede Frage mehrfach. Notiert wird der Wortlaut, nicht eine Einschätzung.
Drei Auswertungsfelder
Je Antwort genügen drei Spalten: Wurden Sie genannt? Wurde eine Quelle angegeben, und welche? Ist die Aussage über Sie zutreffend? Mehr Felder verleiten dazu, eine Bewertung zu erfinden.
Was im Bericht steht – und was nicht
Im Bericht stehen die Entwicklung über die Monate, die genannten Quellen, festgestellte Falschaussagen und die Fragen, zu denen Ihre Inhalte keine Antwort liefern. Diese letzte Liste ist in aller Regel wertvoller als die Sichtbarkeitszahlen selbst.
Nicht im Bericht steht Reichweite. Wie viele Menschen eine Antwort gesehen haben, weiß niemand. Ein Vergleich mit Zugriffszahlen aus der Websitestatistik ist deshalb nicht möglich.
Die Grenze
Das ist eine Stichprobe, keine Statistik. Antworten schwanken zwischen zwei Aufrufen, hängen an der Formulierung, am Standort und an der Modellversion des Anbieters. Werkzeuge, die daraus einen „AI-Visibility-Score" machen, verkaufen eine Genauigkeit, die die Datengrundlage nicht hergibt.