AI Visibility Report

Der AI Visibility Report zeigt, wie häufig Ihre Marke in generativen KI-Antworten erscheint, in welchem Kontext sie genannt wird und wie sie im Vergleich zu Wettbewerbern steht.

Wichtig: KI-Antworten sind stochastisch. Dieselbe Frage kann unterschiedliche Ergebnisse liefern. Deshalb basiert der Report auf wiederholtem Sampling und Antwort-basierten Kennzahlen statt auf einer festen Einzelposition.

Wann einsetzen

• Vor Kampagnen, um einen sauberen Ausgangswert zu erfassen.
• Nach Content-, PR- oder Produkt-Updates, um Veränderungen zu messen.
• Für regelmäßige Wettbewerbsvergleiche nach Markt und Sprache.
• Für client-facing Reports im Kontext AI SEO / GEO.

Vorbereitung

1. Brand: zu analysierende Zielmarke.
2. Locale: Markt/Sprache.
3. Base intent: natürliche Nutzerfrage.
4. Competitors: idealerweise 3-10 direkte Wettbewerber.
5. LLM sources: einzubeziehende Quellen/Modelle.
6. Sample profile: Geschwindigkeit vs. Tiefe.

Praxis-Tipp: Formulieren Sie Base intent wie eine echte Nutzerfrage, nicht wie eine Keyword-Liste.

Run starten

1. Öffnen Sie AI Visibility.
2. Füllen Sie Launch a run aus.
3. Wählen Sie ein Profil:
   - Fast: schneller Diagnose-Run.
   - Balanced: Standardprofil.
   - Deep: tiefere Analyse, längere Laufzeit.
4. Klicken Sie auf Run report.
5. Verfolgen Sie den Fortschritt in Run history und öffnen Sie den Lauf.

Je nach Profil und Quellen liegt die Laufzeit typischerweise bei 10-20 Minuten.

Ergebnisse lesen

KPI-Block

• Markenpraesenz: Anteil der gesampelten KI-Antworten, in denen die Zielmarke mindestens einmal vorkommt.
• Share of Voice: Anteil der Antworten mit beobachteten Marken oder Wettbewerbern, die auch die Zielmarke enthalten.
• Ziel-Erwaehnungen: rohe extrahierte Mention-Events. Dieser Wert kann hoeher sein als die Sample-Anzahl, wenn eine Antwort eine Marke mehrfach nennt.
• Confidence: interner Datenqualitaetswert fuer Sammlung, Parsing und Extraktion.
• Volatility: Streuung der Ergebnisse über die Samples.
• Sample coverage: Vollständigkeit und Parse-Qualität der Stichprobe.

Markenpraesenz und Share of Voice werden pro gesampelter Antwort berechnet, daher koennen Prozentwerte nicht ueber 100% liegen. Mention-Zahlen sind Evidenzvolumen, keine Wahrscheinlichkeiten.

Provider summary

Zeigt pro Quelle:
- Antwort-basierte Praesenz,
- sample-basierten SoV,
- Ziel-Stichproben,
- rohe Zielmarken-Nennungen.

So erkennen Sie, in welchen Quellen Ihre Marke stark oder schwach performt.

Competitors

Zeigt Nennungen, sample-basierten Wettbewerbsanteil und durchschnittliche Sicherheit, inklusive neu erkannter Wettbewerber.

Damit priorisieren Sie reale Wettbewerber in KI-Antworten statt nur der initialen Liste.

Sentiment und Quellen

• Sentiment: Tonalität der Zielmarken-Nennungen.
• Top-Quellen (Domains): meistzitierte Domains in Antworten. Wenn das Modell die zugrunde liegenden Links zurückgegeben hat, lassen sie sich aus einer vollständigen Antwort als anklickbare URLs öffnen.

Steigt die Sichtbarkeit, aber sinkt das Sentiment, ist das ein Reputationssignal.

Quellen-Links erscheinen nur bei Modellen mit Websuche (zum Beispiel AI Overview oder suchgestützte Modelle). Rein generative Modelle antworten aus Trainingsdaten und liefern in der Regel keine Quellen, daher zeigen ihre Antworten keine Links. Das ist erwartetes Verhalten und kein Datenverlust.

Verbatims und vollständige Antworten

Kurze repräsentative Antwortauszüge helfen bei schneller Qualitätsprüfung ohne Voll-Lektüre aller Samples. Jedes Beispiel zeigt eine kurze 3-zeilige Vorschau; klicken Sie auf Vollstaendige Antwort anzeigen, um die komplette Modellantwort inline aufzuklappen, zusammen mit den zitierten Quellen-Links. Um alle Antworten auf einmal zu sichten, nutzen Sie den XLSX- oder CSV-Export.

Metriken richtig lesen

KI-Dienste beantworten dieselbe Frage jedes Mal anders. Der Report stützt sich deshalb nie auf eine einzelne Antwort: Jeder Anbieter erhält eine Serie von Fragen, und die Metriken werden über die gesamte Stichprobe der gesammelten Antworten berechnet. Jeder Prozentwert im Report ist ein Anteil an dieser Stichprobe — eine Schätzung, kein exakter Wert.

Markenpräsenz (Brand presence)

Der Anteil der Antworten, in denen die KI Ihre Marke erwähnt, gemessen an allen gesammelten Antworten. Eine Präsenz von 43% bedeutet: Die Marke tauchte in 43 von 100 Antworten auf.

So lesen Sie den Wert: über 50% — stabile Sichtbarkeit; 20–50% — die KI kennt die Marke, ruft sie aber nicht immer ab; unter 20% — die Marke ist für die KI in diesem Thema nahezu unsichtbar.

Share of Voice

Ein Teil der KI-Antworten nennt gar keine Marken. Unter den Antworten, die mindestens eine der beobachteten Marken nennen (Ihre oder einen Wettbewerber), ist der Share of Voice der Prozentsatz der Antworten mit Ihrer Marke. Einfach gesagt: Wenn die KI Marktteilnehmer nennt — wie oft sind Sie dabei?

So lesen Sie den Wert: nur im Vergleich mit den Wettbewerbern aus demselben Report — deren Anteile werden über dieselben Antworten berechnet. Liegt Ihr Anteil unter ~15%, bietet eine typische KI-Antwort dem Nutzer Wettbewerber an — ohne Sie.

Hinweis: Die Anteile aller Marken summieren sich nicht auf 100% — eine einzelne Antwort kann mehrere Marken zugleich erwähnen.

Erwähnungen (Mentions)

Wie oft die Marke über alle Antworten hinweg insgesamt genannt wird; eine Antwort kann eine Marke mehrfach erwähnen. Die Präsenz beantwortet die Frage „in wie vielen Antworten kommen Sie vor“, die Erwähnungen — „wie viel über Sie gesprochen wird“.

Tonalität (Sentiment)

Jede Erwähnung Ihrer Marke wird als positiv, neutral oder negativ bewertet. Die Prozentwerte sind Anteile an allen Markenerwähnungen (nicht an allen Antworten).

So lesen Sie den Wert: Vergleichen Sie mit dem Wettbewerber-Durchschnitt im selben Report. Ein negativer Anteil über ~30% ist ein Grund nachzuforschen: Die KI gibt wieder, was sie liest — die Quelle der Negativität finden Sie im Abschnitt „Quellen“ und in den Antwortbeispielen.

Markenrolle (Brand role)

Nicht nur ob die Marke erwähnt wird, sondern wie: Die KI empfiehlt sie, vergleicht sie mit anderen, listet sie lediglich auf oder warnt vor ihr.

So lesen Sie den Wert: Die Rollen sind nicht gleichwertig — das Ziel der Sichtbarkeitsarbeit ist, Erwähnungen von „aufgelistet“ zu „empfohlen“ zu verschieben. Die Rolle „warnt“ ist selbst bei kleinem Anteil wichtig: Öffnen Sie die Antworten und sehen Sie nach, wovor die KI warnt.

Wo Sie nicht gefunden werden (Gap-Analyse)

Die Fragen an die KI sind nach Nutzerabsicht gruppiert: „was wählen“, „womit eine bestimmte Marke ersetzen“, „wo kaufen“ und so weiter. Für jede Gruppe zeigt der Report, in welchem Anteil der Antworten Sie vorkommen.

So lesen Sie den Wert: Achten Sie auf die Schieflage. Starke Gruppen — dort kennt die KI Sie bereits; schwache — die Etappen der Customer Journey, auf denen Sie für die KI nicht existieren. Eine schwache Gruppe mit vielen Antworten ist der konkreteste Wachstumspunkt im Report.

Wettbewerber

Marken, geordnet nach der Zahl der Antworten, in denen sie erwähnt werden. Die Liste ist nicht auf die von Ihnen angegebenen Wettbewerber beschränkt: Nennt die KI regelmäßig eine Marke, die nicht auf Ihrer Liste steht, erscheint sie in der Tabelle als entdeckt — auch das ist ein Ergebnis.

Quellen

Die Websites, auf die sich die KI bei Antworten zu Ihrem Thema berufen hat. Genau diese Plattformen prägen, was die KI über Ihre Kategorie weiß und sagt.

So lesen Sie den Wert: Das ist eine Karte der Plattformen, auf denen Ihr Content die KI-Antworten beeinflusst. Führen Plattformen die Liste an, auf denen nichts über Sie steht — ist das eine konkrete Arbeitsrichtung.

Datenqualität

Interne Zuverlässigkeitsindikatoren des Reports: wie viele Antworten vom geplanten Umfang gesammelt wurden (Abdeckung), wie viele davon ausgewertet werden konnten, wie sicher die Erwähnungen erkannt wurden (Konfidenz) und wie stabil das Ergebnis über die Frageserien hinweg ist (Volatilität).

So lesen Sie den Wert: Liegen Abdeckung und Auswertung über ~90% und ist die Volatilität niedrig, können Sie den Hauptzahlen vertrauen. Bei hoher Volatilität betrachten Sie die Prozentwerte als Spanne: Der nächste Run kann einen deutlich anderen Wert liefern.

Warnungen interpretieren

Warnungen sind fachliche Signale, nicht nur technische Fehler.

Typische Fälle:
- Keine/zu wenige Samples: Quellen erweitern oder Base Intent vereinfachen.
- Zielmarke nicht erkannt: Schreibweise, Locale und Prompt prüfen.
- Niedrige Confidence: Run mit Balanced oder Deep wiederholen.
- Neue Wettbewerber erkannt: In den nächsten Runs explizit aufnehmen.

Empfohlener Arbeitszyklus

1. Baseline für Kernmärkte erfassen.
2. Content-/Reputationsmaßnahmen umsetzen.
3. Mit vergleichbaren Einstellungen neu laufen lassen.
4. Praesenz, sample-basierten SoV, Sentiment und Quellenmix vergleichen.
5. Content-Plan, FAQ, Vergleichsseiten und PR-Maßnahmen aktualisieren.

Grenzen der Methodik

• Ergebnisse sind probabilistisch, keine deterministischen Rankings.
• Ein einzelner Run ist nur eine Momentaufnahme; Trends über mehrere Runs sind belastbarer.
• Unterschiedliche Quellen liefern unterschiedliche Marktbilder.

Export und Sharing

Nach Abschluss steht in der Run-Detailseite folgender Export bereit:
- PDF — formatierter Bericht für Kundentermine und interne Reviews.
- XLSX — vollständige Daten je Antwort: alle gesammelten Antworten (kompletter Text) plus ein eigenes Tabellenblatt „Sources“ mit den zitierten URLs.
- CSV — dieselben Antworten und Quellen als einzelne flache Tabelle.

Verwandte Artikel

• Wie starten
• Tagging-Prozess
• Tagging Workbench