Transparenz

Score-Methodik

Wie der KI-Sichtbarkeits-Score berechnet wird: welche Fragen zählen, wie viele Läufe pro System, was die Schwellen bedeuten.

Eigenen Score kostenlos prüfen →

Die Score-Formel

Kern-Berechnung

Score = ( Sichtbarkeit × 25 + Wettbewerb × 15 ) / 40

  • Sichtbarkeit (Gewicht 25): Nennungen / gültige Antworten × 100. Wie oft taucht die Marke in den KI-Antworten auf, bei Fragen aus den Empfehlungs-Clustern. Gültige Antworten sind alle Läufe mit nicht-leerer Antwort, Timeouts und Fehler werden herausgefiltert.
  • Wettbewerb (Gewicht 15): rank-gewichteter Share of Voice gegen die tatsächlich genannten Anbieter, skaliert so, dass 30 Prozent Share of Voice 100 Punkte ergeben.

Fester Nenner. Der Nenner steht fest und ändert sich nicht danach, welche Messung im einzelnen Lauf funktioniert hat. Eine Dimension, die nicht gemessen werden konnte, zählt als 0 und bleibt im Nenner. Ein Messausfall senkt den Score also, statt ihn zu erhöhen. Nur so bleiben Werte über die Zeit vergleichbar.

Gleiche Formel in beiden Stufen. Schnell-Check und Tiefenanalyse berechnen den Score identisch. Ein Upgrade verändert den Score dadurch nicht. Die Tiefenanalyse misst zusätzlich Funktions-Abdeckung und Quellen-Autorität, weist diese aber getrennt aus, statt die Kennzahl zu verschieben.

Prüfmethode

Systeme und Läufe
KI-Systeme
  • ChatGPT (GPT-4o)
  • Claude (Sonnet)
  • Gemini (2.5 Flash)
  • Perplexity (Sonar)
  • Grok (3 Mini)
Durchläufe

Jede Frage wird 3× pro System gestellt, um zufällige Antworten von stabiler Sichtbarkeit zu trennen.

Welche Systeme im einzelnen Report tatsächlich ausgewertet wurden und wie viele Antworten daraus entstanden sind, steht in jedem Report unter „So wurde gemessen".

Zwei Messwege, eine Berechnung. Der Schnell-Check fragt die KI-Modelle direkt über deren Programmierschnittstelle ab. Das liefert in unter einer Minute ein Ergebnis. Die Tiefenanalyse misst zusätzlich über die echten Nutzeroberflaechen von ChatGPT und Gemini, also das, was ein Interessent tatsächlich zu sehen bekommt. Das dauert einige Minuten länger und liefert dafür aktuellere und regional passendere Ergebnisse. Zusätzlich erfasst die Tiefenanalyse, ob das Unternehmen in Google AI Overviews erscheint — den KI-generierten Antwort-Boxen, die Google direkt über den Suchergebnissen einblendet. Der Score wird in beiden Stufen nach derselben Formel berechnet und bleibt vergleichbar.

Die Fragen werden ohne Nennung des Markennamens gestellt (Blind-Test), um den organischen Empfehlungs-Bias zu messen, nicht die Bekanntheit durch direkte Nennung.

Welche Fragen fließen in den Score?

6 von 13 Clustern

Nur Fragen aus Empfehlungs-Clustern fließen in den Haupt-Score ein. Diese Cluster messen, ob KI die Marke aktiv empfiehlt, wenn jemand nach einer Lösung sucht.

EmpfehlungDirekte Empfehlungsfragen: Welches Tool empfiehlst du für X?
KaufprozessFragen im Buying Journey: Was brauche ich, wenn ich Y kaufen will?
KaufberatungRatgeberfragen: Worauf soll ich bei Z achten?
Produkt-EmpfehlungProdukt-spezifische Empfehlungen: Welches Produkt für Segment A?
AusschreibungRFP- und Vergabefragen: Was muss eine Lösung für einen Tender erfüllen?
AssoziationAssoziationsfragen: Welche Marken kennt KI in diesem Kontext?

Nennungs-Muster je Frage

Stabilitats-Schwellen
Stabil
≥ 60 % der Läufe

Die Marke wird in mindestens 6 von 10 Läufen genannt. Verlässliche Sichtbarkeit.

Vereinzelt
1–59 % der Läufe

Die Marke taucht auf, aber nicht konsistent. KI-Sichtbarkeit ist noch nicht stabil.

Nie
0 % der Läufe

Die Marke wird in keinem der Läufe für diese Frage genannt.

Score-Bänder

Einordnung
60–100
Gut sichtbar
Die Marke wird in der Mehrheit der Empfehlungs-Situationen genannt. KI-Sichtbarkeit ist ein aktiver Kanal.
30–59
Teilweise sichtbar
Sichtbarkeit ist vorhanden, aber inkonsistent. Gezielte Verbesserungen können schnell wirken.
0–29
Wenig sichtbar
KI empfiehlt die Marke kaum. Quellen-Aufbau und Positionierungs-Arbeit sind der erste Schritt.

Was ist nicht im Haupt-Score?

7 separate Cluster

Die folgenden Cluster werden gemessen und separat ausgewertet, fließen aber nicht in den Haupt-Score ein, da sie andere Dimensionen von Sichtbarkeit abbilden als direkte Empfehlung.

FunktionenWas weiß KI über konkrete Features? (Funktions-Sichtbarkeit)
VergleichWie wird die Marke im Direktvergleich positioniert?
AlternativenWird die Marke als Alternative zu Wettbewerbern genannt?
BelegeWelche Quellen zitiert KI als Belege?
RisikoNennt KI Risiken oder Kritikpunkte?
BekanntheitKennt KI die Marke als Begriff, ohne sie zu empfehlen?
ReputationWie beschreibt KI die Marke qualitativ?

Wie sichtbar bist du in KI-Systemen?

Kostenloser Schnell-Check in unter 2 Minuten. Keine Anmeldung nötig.

Jetzt prüfen →