Alles über
KI-Sichtbarkeit

KI-Sichtbarkeit beschreibt, ob und wie häufig ein Unternehmen, Produkt oder eine Marke von KI-Assistenten wie ChatGPT, Claude, Gemini und Perplexity genannt und empfohlen wird, wenn Nutzer nach Lösungen, Produkten oder Anbietern fragen. Sie ist das Pendant zu klassischer SEO für die Ära der KI-gestützten Suche.

Immer mehr Kaufentscheidungen beginnen mit einer Frage an einen KI-Assistenten statt mit einer Google-Suche. Wer in den KI-Empfehlungen nicht auftaucht, wird von potenziellen Kunden gar nicht erst in Betracht gezogen. Gartner erwartet bis 2026 einen Rückgang des klassischen Suchvolumens um rund 25 Prozent zugunsten von KI-Assistenten, und laut Conductor hat KI 2026 die Website als ersten Kontaktpunkt im B2B-Kaufprozess bereits abgelöst.

Klassische SEO optimiert für Rankings in einer Liste von Suchergebnissen, durch die der Nutzer selbst klickt. KI-Sichtbarkeit optimiert dafür, dass ein KI-System eine Marke aktiv in seiner generierten Antwort nennt und empfiehlt. Entscheidend sind dabei Zitierbarkeit, Quellenqualität und die konsistente, präzise Beschreibung der Marke in autoritativen Quellen, nicht klassische Keyword-Rankings. Eine Analyse von Ahrefs über 75.000 Marken zeigt: Markennennungen im Web korrelieren rund dreimal stärker mit KI-Sichtbarkeit als klassische Backlinks.

Generative Engine Optimization (GEO) ist die Disziplin, Inhalte und Online-Präsenz so zu gestalten, dass generative KI-Systeme eine Marke bevorzugt in ihren Antworten zitieren und empfehlen. GEO ist ein aufkommendes Forschungsfeld; peer-reviewte Studien (Columbia/Princeton) zeigen, dass Zitierbarkeit, Quellenautorität und semantische Klarheit die stärksten Treiber sind.

KI-Sichtbarkeit wird gemessen, indem realistische Kaufentscheidungs-Fragen mehrfach an verschiedene KI-Systeme gestellt werden. Ausgewertet werden Nennungsquote (wie oft die Marke genannt wird), Share of Voice gegenüber Wettbewerbern, die Position innerhalb der Empfehlung und die Konsistenz der Aussagen über mehrere KI-Systeme hinweg.

Der Audit misst, wie oft KI Sie empfiehlt, wer Ihre Kategorie in KI-Antworten dominiert, wie KI Ihr Produkt beschreibt, welche Ihrer Funktionen KI kennt, welche Quellen KI bei Ihrer Nennung zitiert (Earned Media Gap), ob Ihre Domain ohne Markennennung zitiert wird (Ghost Citations), wo sich KI-Systeme über Sie widersprechen (Signal-Konsistenz), wie fragmentiert Ihr Markt ist und wo unbesetzte Nischen liegen (Nischen-Radar) und wie sich Ihre Sichtbarkeit über die Zeit entwickelt.

Der Schnell-Check liefert eine kostenlose erste Einschätzung der KI-Sichtbarkeit anhand weniger Kernfragen über mehrere KI-Systeme. Die Tiefenanalyse stellt deutlich mehr Fragen mit Wiederholungen, analysiert Wettbewerber, Quellen, Narrativ, Funktions-Sichtbarkeit, Signal-Konsistenz und Nischen-Radar und liefert einen auditreifen Report mit konkreten Handlungsempfehlungen.

Geprüft werden die führenden KI-Assistenten, darunter ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google) und Perplexity. Die Prüfung über mehrere Systeme ist wichtig, weil dieselbe Marke in verschiedenen KI-Systemen unterschiedlich sichtbar sein kann: Ein Anbieter kann bei Perplexity stark vertreten sein und bei Gemini vollständig fehlen. Die Marktanteile verschieben sich zudem schnell, weshalb eine Ein-Plattform-Optimierung riskant ist.

Da KI-Antworten nicht deterministisch sind, werden Fragen mehrfach wiederholt und über mehrere Systeme gemittelt. Das reduziert zufällige Schwankungen und macht die Nennungsquote statistisch belastbar. Die Tiefenanalyse nutzt mehr Wiederholungen als der Schnell-Check und liefert daher stabilere Werte.

Der Nischen-Radar analysiert die Struktur eines Marktes: Er berechnet, wie stark die KI-Sichtbarkeit in einer Kategorie auf wenige Anbieter konzentriert ist, klassifiziert die genannten Akteure nach Typ (Analyst, Anbieter, Beratung, Medien, Plattform, Thought Leader) und identifiziert White Spaces, also unbesetzte Themen- und Positionierungsfelder, in denen noch kein Wettbewerber dominiert. Daraus entsteht eine konkrete Positionierungs-Roadmap. Der Nutzen: In fragmentierten Märkten lässt sich gezielt eine Nische besetzen, statt gegen etablierte Marktführer um dieselben Begriffe zu konkurrieren.

Die Signal-Konsistenz misst, wie einig sich die verschiedenen KI-Systeme über eine Marke sind. Wird ein Anbieter in ChatGPT stabil empfohlen, in Gemini aber nie, deutet das auf ein widersprüchliches oder schwaches Markenprofil in den Quellen hin. Hohe Konsistenz bedeutet planbare, vorhersehbare Sichtbarkeit; niedrige Konsistenz zeigt, wo das Bild der Marke in den Trainingsdaten uneinheitlich ist.

Funktions-Sichtbarkeit prüft, ob KI-Systeme die einzelnen Fähigkeiten und Anwendungsfälle eines Produkts kennen, nicht nur den Markennamen. Eine KI kann eine Marke nennen, aber ihre entscheidenden Funktionen übersehen oder falsch beschreiben. Fehlt eine wichtige Funktion im KI-Wissen, wird die Marke bei genau den kaufnahen Fragen nicht empfohlen, in denen diese Funktion gesucht wird.

Moderne KI-Systeme formulieren eine Nutzerfrage intern in mehrere Teil- und Folgefragen um, bevor sie recherchieren und antworten. Query Fan-Out macht diese internen Umformulierungen sichtbar. So wird erkennbar, über welche Begriffe und Teilfragen eine Marke tatsächlich gefunden wird und wo Inhalte fehlen, um in dieser internen Recherche aufzutauchen.

Ein Ghost Citation liegt vor, wenn ein KI-System die Domain oder Inhalte einer Marke als Quelle zitiert, den Markennamen selbst aber nicht im Antworttext nennt. Der Nutzer sieht dann eine Empfehlung, ohne zu erfahren, von welcher Marke sie stammt. Die bislang größte Auswertung (Seer Interactive, 2026, über 231.000 KI-Antworten) zeigt: In 61,7 Prozent der Fälle, in denen eine KI eine Domain verlinkt, fehlt der Markenname im Text. Quellennennung und Markennennung müssen deshalb getrennt gemessen werden.

Der Earned Media Gap zeigt, welche Arten von Quellen ein KI-System zitiert, wenn es eine Marke nennt, etwa Testberichte, Analysten-Reports oder Medienartikel. Fehlen autoritative Quellen-Typen, erklärt das oft eine niedrige KI-Sichtbarkeit. Empirische Daten stützen das: Laut Seer Interactive erhöht Earned Media die Wahrscheinlichkeit einer KI-Zitierung im Median um 239 Prozent, redaktionelle Quellen werden also klar gegenüber markeneigenen Inhalten bevorzugt.

Die Tiefenanalyse bildet einen Score-Verlauf ab, der zeigt, wie sich die KI-Sichtbarkeit von Audit zu Audit verändert. Das ist wichtig, weil KI-Systeme ihr Zitierverhalten laufend ändern: Wer heute sichtbar ist, kann in wenigen Monaten verschwinden, ohne dass sich die eigenen Inhalte geändert haben. Gleichzeitig wirken Content-Änderungen schnell, neue Inhalte werden im Median nach rund sieben Tagen erstmals von KI zitiert.

Ja. KI-Sichtbarkeit unterscheidet sich stark je nach Markt und Sprache, weil KI-Systeme länderspezifische Quellen und Sprachräume unterschiedlich gewichten. Der Audit lässt sich pro Markt (etwa DE, UK, US oder global) durchführen, sodass sich die Sichtbarkeit für den deutschsprachigen Raum getrennt von internationalen Märkten bewerten lässt.

Buying-Intent-Messung prüft nicht nur, ob eine KI eine Marke kennt, sondern ob die KI die Marke aktiv empfiehlt, wenn ein Nutzer in einer konkreten Kaufsituation nach einer Lösung fragt. Das ist der entscheidende Unterschied zu reinem Brand Monitoring, das nur misst, ob die KI den Namen überhaupt kennt. Relevanz erhält das dadurch, dass B2B-Käufer laut Forrester 60 bis 70 Prozent ihrer Entscheidung treffen, bevor sie einen Anbieter kontaktieren, oft auf Basis von KI-Empfehlungen.

Die meisten am Markt verfügbaren Wettbewerber messen primär Brand Monitoring, also ob eine KI den Markennamen kennt und erwähnt. Der MarTechHero-Ansatz misst Buying Intent: ob die KI eine Marke aktiv empfiehlt, wenn ein Kunde in der konkreten Kaufsituation nach einer Lösung fragt. Ergänzt wird das um Wettbewerbs- und Nischen-Analyse, Signal-Konsistenz und konkrete Handlungsempfehlungen, mit besonderem Fokus auf den deutschsprachigen Markt.

KI-Antworten nennen typischerweise nur zwei bis fünf Anbieter pro Empfehlungsfrage, nicht zehn wie eine klassische Suchergebnisliste. Dadurch ist KI-Sichtbarkeit ein relativer Wettbewerb: Jede Nennung eines Wettbewerbers in einer Frage, die auch die eigene Marke hätte nennen können, ist eine verlorene Sichtbarkeitschance. Die Konzentration ist strukturell größer als bei SEO, auf Platz drei zu fallen bedeutet oft, gar nicht empfohlen zu werden.

Eine Nennung bedeutet, dass die KI eine Marke im Text erwähnt. Eine Empfehlung bedeutet, dass die KI die Marke aktiv als Lösung vorschlägt, wenn nach der besten Option gefragt wird. Der Audit unterscheidet beide Ebenen, weil nur die aktive Empfehlung in der Kaufsituation zu einer Aufnahme auf die Shortlist führt. Eine reine Erwähnung ohne Empfehlung hat kaum kaufentscheidende Wirkung.

Sinnvoll ist der Audit für Software- und SaaS-Anbieter, die in Kaufentscheidungen empfohlen werden wollen, für Marken, die ihre Reputation in KI-Systemen prüfen wollen, für E-Commerce- und Produktanbieter, die bei kaufnahen Fragen gefunden werden wollen, und für Agenturen und Berater, die prüfen wollen, ob KI sie selbst empfiehlt, wenn Interessenten nach einer Agentur oder Beratung suchen. Der Audit passt seine Fragen und Quellen automatisch an die jeweilige Branche an.

Die wichtigsten Hebel sind: Präsenz in autoritativen, zitierfähigen Quellen aufbauen, gezielt Earned Media in den von KI bevorzugten Quellen-Typen schaffen, Inhalte strukturiert und mit klaren Use-Case-Beschreibungen versehen und konsistente Marken- und Produktinformationen über alle Kanäle sicherstellen. Empirisch belegt: Markennennungen im Web und redaktionelle Earned-Media-Quellen wirken deutlich stärker als reine Website-Masse oder klassische Backlinks. Die Tiefenanalyse liefert dafür priorisierte, konkrete Empfehlungen.

KI-Modelle, Trainingsdaten und Echtzeit-Websuche ändern sich laufend, daher ist KI-Sichtbarkeit kein einmaliger Zustand. Forschung zu generativen Suchsystemen zeigt, dass sich das Zitierverhalten kontinuierlich verschiebt, weshalb laufendes Monitoring einer einmaligen Optimierung überlegen ist. Eine regelmäßige Messung, etwa monatlich oder quartalsweise, macht Trends sichtbar und zeigt, ob Optimierungsmaßnahmen wirken.

Der Schnell-Check der KI-Sichtbarkeit ist kostenlos. Die Tiefenanalyse mit ausführlichem Report, Wettbewerbsanalyse, Nischen-Radar und Handlungsempfehlungen ist ein kostenpflichtiges Beratungsangebot von MarTechHero.