Wer einen Arzt in Berlin sucht, fragt heute nicht mehr nur Google. ChatGPT, Perplexity oder der KI-Modus in der Google-Suche liefern direkte Antworten, ohne dass Nutzer überhaupt eine Website aufrufen. Für Unternehmen, Redaktionen und Selbstständige stellt sich damit eine drängende Frage: Tauche ich in diesen Antworten überhaupt auf, und wenn ja, mit welchen Inhalten?
Die klassische SEO-Sichtbarkeit, gemessen in Rankings und organischem Traffic, reicht als Maßstab nicht mehr aus. Daneben ist eine zweite Dimension entstanden: die KI-Sichtbarkeit. Sie beschreibt, ob und wie Ihre Marke, Ihr Produkt oder Ihre Expertise in den Antworten generativer KI-Systeme vorkommt. Beide Dimensionen zu messen und zu verstehen, ist keine akademische Übung, sondern handfeste Geschäftsrelevanz.
Was KI-Sichtbarkeit von klassischer SEO unterscheidet
Bei traditionellen Suchmaschinen gibt es eine klare Logik: Eine URL steht auf Position 1 bis 10, bekommt Klicks und lässt sich in Google Search Console nachverfolgen. KI-Systeme funktionieren anders. Sie synthetisieren Antworten aus mehreren Quellen und nennen dabei manchmal Quellen, manchmal nicht. Eine Erwähnung in einer ChatGPT-Antwort erzeugt keinen messbaren Klick, kann aber Kaufentscheidungen beeinflussen.
Drei konkrete Unterschiede sind entscheidend:
- Kein Ranking: Es gibt keine Positionen 1 bis 100. Entweder eine Quelle wird zitiert oder nicht.
- Keine vollständige Transparenz: Welche Trainingsdaten oder Indexierungsquellen ein Modell nutzt, ist oft nicht einsehbar.
- Kontextabhängigkeit: Dieselbe Frage, anders formuliert, kann zu völlig anderen Quellennennungen führen.
Für die Analyse bedeutet das: Man braucht andere Methoden als bei klassischem SEO-Monitoring.
Die zwei Analyseebenen: klassische Suche und KI-Suche
Eine sinnvolle Sichtbarkeitsanalyse setzt auf zwei parallelen Ebenen an.
Ebene 1: Google-Sichtbarkeit
Hier geht es um die bekannten Metriken: Welche Keywords ranken auf welchen Positionen, wie entwickelt sich der organische Traffic, welche Seiten verlieren Sichtbarkeit? Dazu kommen neuere Formate wie Featured Snippets, People Also Ask oder Knowledge Panels. Google selbst hat seinen KI-Modus „AI Overviews“ in den USA seit 2024 ausgerollt. In diesen Zusammenfassungen tauchen bevorzugt Quellen auf, die E-E-A-T-Signale (Erfahrung, Expertise, Autorität, Vertrauen) stark ausgeprägt haben.
Konkret: Wer bei einer Suchanfrage wie „bester Steuerberater für Freelancer“ in einem AI Overview erscheint, erzielt Sichtbarkeit, ohne dass die eigene Website zwingend auf Position 1 rankt. Das verändert die Prioritäten bei der Content-Planung erheblich.
Ebene 2: KI-Sichtbarkeit in ChatGPT, Perplexity und Co.
Diese Ebene ist schwerer messbar, aber nicht unmessbar. Kern der Analyse ist das sogenannte Prompt-Testing: Man stellt einem KI-System systematisch Fragen zu relevanten Themen und wertet aus, ob und wie die eigene Marke oder Domain erwähnt wird. Das lässt sich manuell durchführen, bei größerem Umfang aber nur mit spezialisierten Tools skalieren. Genau hier setzt beispielsweise die KI-Sichtbarkeits-Plattform Rankion an, die automatisiert auswertet, wie oft und in welchem Kontext eine Domain oder Marke in KI-generierten Antworten vorkommt.
Wichtig ist dabei, nicht nur auf direkte Markennennungen zu achten. Ebenso relevant ist, bei welchen Themenkomplexen man als Quelle auftaucht und bei welchen nicht, obwohl man relevante Inhalte dazu veröffentlicht hat.
Konkrete Metriken für die KI-Sichtbarkeitsanalyse
Weil es noch keinen etablierten Standardkanon gibt, lohnt es sich, folgende Kennzahlen selbst zu definieren:
- Share of Voice in KI-Antworten: Wie oft wird die eigene Marke im Vergleich zu Wettbewerbern bei einem definierten Set von Fragen genannt?
- Erwähnungstiefe: Wird die Marke nur genannt oder auch inhaltlich zitiert beziehungsweise empfohlen?
- Thematische Abdeckung: Bei welchen Themen taucht man auf, bei welchen nicht?
- Quellennennungsrate: Bei Perplexity oder dem Google AI Mode werden Quellen direkt verlinkt. Wie häufig erscheint die eigene Domain als Quelle?
Ein Beispiel aus der Praxis: Ein Softwareanbieter für Projektmanagement stellt fest, dass er bei der Frage „Welche Projektmanagement-Software eignet sich für kleine Teams?“ in Perplexity nicht vorkommt, obwohl er dafür ein umfassendes Vergleichsartikel-Set veröffentlicht hat. Die Analyse zeigt: Die Inhalte sind zu stark auf Keywords optimiert, aber zu wenig auf klare, direkt verwertbare Aussagen, die ein KI-System als zitierfähig einordnet.
Was die Sichtbarkeit in KI-Antworten beeinflusst
Mehrere Faktoren spielen nachweislich eine Rolle, auch wenn kein KI-Anbieter seine genauen Selektionskriterien offenlegt:
- Klare, faktische Aussagen: KI-Systeme bevorzugen Inhalte, die präzise Antworten liefern, nicht solche, die umfangreich um den heißen Brei reden.
- Strukturierte Daten und semantische Auszeichnung: Schema.org-Markup hilft Crawlern, den Kontext von Inhalten besser einzuordnen.
- Autorenschaft und Expertise: Klare Autorenprofile mit nachweisbarer Fachkenntnis werden von Systemen wie Google stärker gewichtet.
- Externe Verlinkungen und Zitierungen: Wenn andere hochwertige Quellen auf einen Inhalt verweisen, steigt die Wahrscheinlichkeit, dass auch KI-Systeme diese Quelle als vertrauenswürdig einstufen.
- Aktualität: Perplexity und der Google AI Mode bevorzugen bei zeitkritischen Themen aktuelle Inhalte. Artikel aus 2019 zur aktuellen Rechtslage werden kaum zitiert.
Analyse-Workflow in der Praxis
Ein pragmatischer Einstieg sieht so aus: Zunächst definiert man 20 bis 30 relevante Fragen, die potenzielle Kunden oder Leser tatsächlich stellen. Diese Fragen stellt man dann wöchentlich in ChatGPT, Perplexity und, sofern verfügbar, im Google AI Mode. Die Ergebnisse werden tabellarisch dokumentiert.
| KI-System | Frage-Kategorie | Eigene Nennung | Wettbewerber-Nennung |
|---|---|---|---|
| Perplexity | Produktvergleich | Ja, mit Link | 3 Wettbewerber |
| ChatGPT | Ratgeber-Frage | Nein | 2 Wettbewerber |
| Google AI Mode | Lokale Anfrage | Ja, ohne Link | 1 Wettbewerber |
Dieses einfache Tracking deckt innerhalb weniger Wochen Muster auf: Wo hat man Stärken, wo klare Lücken? Auf Basis dieser Daten lassen sich gezielte Content-Anpassungen vornehmen, zum Beispiel bestehende Artikel mit klareren Fazit-Abschnitten ausstatten oder spezifische FAQ-Seiten anlegen, die genau die Fragen beantworten, bei denen man aktuell nicht vorkommt.
Sichtbarkeit als fortlaufender Prozess
Die Analyse der KI-Sichtbarkeit ist kein einmaliges Projekt. Modelle werden regelmäßig aktualisiert, Perplexity ändert seinen Index, Google rollt neue Formate aus. Wer einmal einen Monitoring-Prozess etabliert hat, kann auf Veränderungen reagieren, bevor sie sich dauerhaft auf Reichweite und Anfragen auswirken.
Das Entscheidende bleibt, beide Ebenen, klassische Suchsichtbarkeit und KI-Sichtbarkeit, gemeinsam zu betrachten. Eine Seite, die bei Google gut rankt, aber in keinem KI-System vorkommt, verliert zunehmend an Reichweite. Umgekehrt helfen starke KI-Erwähnungen dabei, die eigene Marke als Referenzpunkt in einem Themenfeld zu etablieren, was mittel- und langfristig auch auf klassische Rankings einzahlt.