Methodologie · Sichtbarkeit bis Geschäftsergebnis
KI-Sichtbarkeit messen. Bis zur qualifizierten Anfrage.
Wie oft wird Ihre Marke genannt, empfohlen oder als Quelle verlinkt – und entstehen daraus Anfragen? Bavaria AI misst diese Signale getrennt je vereinbarter Engine. Technische und inhaltliche Befunde helfen anschließend, die nächsten Maßnahmen zu priorisieren.
Welche Anbieter werden für eine konkrete Kaufentscheidung empfohlen – und welche Quellen stützen die Antwort?
Messkette statt Mischscore
Eine Nennung ist noch keine Empfehlung. Eine Citation ist noch kein Lead.
GEO-Signale
Nennung · Empfehlung · Citation/Link · Besuch
Geschäftsergebnis
qualifizierte Anfrage → Opportunity → Conversion
Arbeitsanweisung, kein Marketing-Dokument
Was hier steht, machen wir auch.
Hier sehen Sie, wie Bavaria AI KI-Sichtbarkeit prüft und Ergebnisse einordnet: mit dokumentierten Prompts, getrennten Messwerten und nachvollziehbaren Befunden. Welche Engines, Seiten, Märkte und Vertiefungen geprüft werden, wird vor dem Auftrag vereinbart. Nicht jeder hier beschriebene Baustein ist Bestandteil jedes Pakets.
Wir schreiben das offen auf, damit Sie filtern können. Passt die Methodik zu Ihrer Situation, lohnt sich das Gespräch. Passt sie nicht, lohnt es sich auch, nur kürzer.
Primärmetriken
Vom Prompt bis zur Opportunity.
Wir unterscheiden Antwortsignale und Geschäftsergebnisse: Nennung, Empfehlung, Citation oder Link, Besuch, qualifizierte Anfrage und Opportunity. Diese Ereignisse sind keine zwingende Reihenfolge: Eine Seite kann zitiert werden, ohne dass ihre Marke empfohlen wird. Ein späterer Kontakt muss keinen direkt zuordenbaren KI-Klick haben.
In der KI-Antwort erfassen wir je Prompt und Engine, ob die Marke vorkommt, ob sie als passende Option empfohlen wird, welche URLs als Quellen erscheinen und ob überprüfbare Aussagen stimmen. Das zeigt konkrete Lücken; die Ursache einer Auswahl lässt sich daraus allein nicht beweisen. Warum gebrandete und ungebrandete Prompts dabei getrennt ausgewertet werden, erklärt die Seite Was weiß ChatGPT über Ihr Unternehmen?
Im Geschäftsfunnel betrachten wir AI-Referral-Besuche, qualifizierte Anfragen, Opportunities und Conversion, soweit Analytics und CRM eine belastbare Zuordnung erlauben. Wir dokumentieren Zeitfenster und Qualifikationskriterien. Nicht zuordenbare Kontakte bleiben als solche ausgewiesen.
Der GEO-Score bündelt geprüfte Content-, Technik-, Autoritäts- und Präsenzsignale als interne Entscheidungshilfe. Er ist kein Wert einer KI-Plattform und kein Nachweis für Empfehlung, Lead oder Umsatz. Wie er eingeordnet wird, zeigen die folgenden Abschnitte; den fachlichen Rahmen erklärt Was ist GEO.
Vier Dimensionen · interne Priorisierung
Befunde ordnen. Maßnahmen priorisieren.
Unser Diagnosemodell ordnet vier Prüfbereiche. Die Gewichte 25 / 30 / 35 / 10 sind interne Bewertungsentscheidungen, keine veröffentlichten Rankingfaktoren und keine empirisch kalibrierten Erfolgswahrscheinlichkeiten. Ein Befund und seine geschäftliche Relevanz sind wichtiger als eine isolierte Gesamtzahl.
Technik: Können Engines Ihre Inhalte überhaupt erreichen und lesen?
Wir prüfen Zugriff, Indexierbarkeit und lesbaren Kerninhalt für die vereinbarten Suchsysteme. Ein JavaScript-Test wird je Abrufweg bewertet; eine Aussage über alle KI-Crawler wäre zu pauschal. Für unterstützende Links in Google AI Overviews muss die Seite indexiert und für Such-Snippets geeignet sein. Bei OpenAI unterscheiden wir OAI-SearchBot für Suche, GPTBot für mögliches Training und ChatGPT-User für nutzerinitiierte Abrufe. Ein gesperrter Trainings-Bot ist deshalb nicht automatisch eine gesperrte Suche. Interne Links, Statuscodes, Canonicals und Seitenerfahrung ergänzen die Diagnose.
Content: Ist die Antwort sauber entnehmbar?
Wir prüfen, ob die Seite die Nutzerfrage direkt und vollständig beantwortet: verständliche Begriffe, nachvollziehbare Aussagen, eigene Beispiele, belastbare Quellen und passende nächste Schritte. Kurze Antworten, Tabellen oder ausführliche Erklärungen sind je nach Frage sinnvoll. Es gibt keine allgemeine Pflicht zu einer bestimmten Wortzahl, Position im ersten Seitendrittel oder exakten Keyword-Wiederholung. Content-Empfehlungen werden aus Suchintention und vorhandener Substanz abgeleitet und anschließend beobachtet.
Autorität: Warum vertraut die Engine Ihrer Quelle?
Wir untersuchen, welche unabhängigen Quellen die Marke beschreiben, welche Aussagen sie belegen und ob die Unternehmensidentität konsistent ist. Bewertet werden unter anderem fachliche Relevanz, Originalität, Autoren, redaktionelle Verantwortung sowie erkennbare Werbung oder Kopien. Daraus entstehen konkrete Quellen- und Inhaltslücken. Das interne Gewicht von 35% bedeutet weder 35% Einfluss auf eine Engine noch, dass Digital PR in jedem Fall der wichtigste nächste Schritt ist.
Quellenpräsenz: Wo ist die Marke nachvollziehbar beschrieben?
Wir prüfen relevante Fachportale, Verzeichnisse, Communities und eigene Unternehmensprofile auf korrekte Angaben und belegbare Präsenz. Strukturierte Daten können diese sichtbaren Inhalte maschinenlesbar beschreiben. Sie erzwingen weder eine Citation noch die Aufnahme in einen Knowledge Graph. Google verlangt für seine generativen Suchfunktionen kein besonderes Schema; vorhandenes Markup muss zu den sichtbaren Inhalten passen und bei Änderungen gepflegt werden.
Nicht prüfbare Checks werden ausdrücklich als nicht ermittelbar markiert. Im Report stehen Abdeckung, ausgeschlossene Prüfungen und verwendete Gewichte. Scores mit unterschiedlichem Prüfbereich werden nicht ungekennzeichnet verglichen; bei einer Methodenänderung zeigen wir den Bruch oder berechnen die Vergleichsbasis neu.
Engine-Scope und Prompt-Set
Vereinbarte Engines. Ein dokumentiertes Prompt-Set.
Welche Engines, Märkte, Sprachen, Seiten und Prompts geprüft werden, gehört in den vereinbarten Scope. ChatGPT, Perplexity, Google AI Overviews und Gemini können getrennt untersucht werden; ein Standard-Audit umfasst nicht automatisch alle vier. Das Prompt-Set bildet konkrete Käuferfragen ab und hält Brand-, Kategorie-, Vergleichs- und Problemanfragen auseinander. Eine umfassende Nachfrage- und Positionierungsstrategie ist eine eigene Leistung; die Auswahl eines vereinbarten Audit-Prompt-Sets setzt sie nicht pauschal voraus.
| Intent-Klasse | Illustrativer Prompt für einen lokalen Versicherungsanbieter | Was sie zeigt |
|---|---|---|
| Brand | „Was bietet [Anbietername]?“ | Wird die Marke korrekt beschrieben? |
| Kategorie | „Versicherungsberatung in Ulm“ | Welche Anbieter werden für diesen Bedarf genannt? |
| Vergleich | „Versicherungsmakler oder Versicherungsvertreter in Ulm?“ | Welche Unterschiede und Auswahlkriterien nennt die Antwort? |
| Lokaler Bedarf | „Versicherungsberatung auf Bosnisch in Ulm“ | Wird eine konkrete Sprach- und Ortsanforderung erkannt und nachvollziehbar beantwortet? |
Für Wiederholungen bleiben Kernfragen und Auswertungsregeln konstant. Wir protokollieren Engine, verfügbaren Modell- oder Suchmodus, Sprache, Ort beziehungsweise Zugangskontext, Zeitpunkt und Zahl der Durchläufe. Zusätzliche Engines werden separat vereinbart. Neue Prompts ergänzen die Beobachtung, verändern aber nicht rückwirkend die bestehende Vergleichsbasis.
Der Messweg
Vier Stufen, eine reproduzierbare Messung.
-
01GrundlageSeiten, Prompts, Messdatum
Feste Auswahl statt Rosinenpickerei
Vor der ersten Abfrage werden Seitenbasis, Prompt-Set, Engines, Kontext und Wiederholungen festgehalten. Die Auswahl folgt dem vereinbarten Prüfziel. Dadurch wird ein besseres Ergebnis nicht nachträglich durch günstigere Fragen oder eine andere Stichprobe erzeugt.
-
02VoraussetzungenErreichbar, lesbar, indexierbar
Erst die technischen Tore
Wir prüfen, ob KI-Crawler den Kerninhalt erreichen und lesen können und ob die Seite indexierbar ist. Ein gerissenes Tor ist ein konkreter technischer Befund, keine abstrakte Punktzahl.
-
03AntwortmessungJe Prompt und Engine
Nennung, Empfehlung und Citation getrennt
Jede Antwort wird pro Engine erfasst. Wir unterscheiden, ob die Marke nur genannt, als Anbieter empfohlen oder mit einer Quelle belegt wird. Faktentreue und Quellenqualität werden separat dokumentiert.
-
04GeschäftswirkungVom Besuch zur Opportunity
Erfolg endet nicht bei Sichtbarkeit
AI-Referral-Besuche, qualifizierte Anfragen, akzeptierte Opportunities und Conversion bilden die Ergebnisebene, soweit die Daten vorhanden sind. Sichtbarkeit und technische Befunde werden daneben berichtet. Fehlende Attribution wird nicht als null Geschäftswirkung interpretiert.
Interne Priorisierungsregel
Im internen Diagnosemodell wird der effektive Score bei einem bestätigten, relevanten Zugangsproblem auf höchstens 15 begrenzt, bei mehreren auf höchstens 5. Das markiert Reparaturbedarf. Es ist keine berechnete Sichtbarkeitswahrscheinlichkeit: Eine Marke kann weiterhin über andere Quellen genannt werden.
Interne Skala · betroffene Seite und Engine dokumentieren · kein Wert eines Suchsystems
Citation-Klassifikation · Trust-Tier
Nicht jede Erwähnung wiegt gleich.
Wir klassifizieren die beobachteten Quellen, um Qualität und Abhängigkeiten im Quellenmix zu besprechen. Unsere drei Tiers sind eine interne Arbeitshilfe. Sie behaupten nicht, die Vertrauensbewertung einer Engine offenzulegen. Belegte Herkunft und konkrete Inhalte zählen mehr als ein bekannter Domainname allein.
Interne Gewichtung: Tier 1 = 5 × Tier 3 · „Durable“ = Teilwert aus Tier 1 und 2 · keine Prognose künftiger Citations. Wird ein solcher Score berichtet, gehören vollständige Faktoren, Normalisierung und Abdeckung in den Report; aus dieser Kurzbeschreibung allein lässt er sich nicht nachrechnen.
Quellen, die ihren Trust selbst tragen.
Quellen mit nachvollziehbarer redaktioneller Verantwortung oder dokumentierten Prüf- und Moderationsprozessen. Auch bei bekannten Medien und Bewertungsplattformen prüfen wir den konkreten Beitrag: Wer verantwortet ihn, was wird tatsächlich belegt und ist er unabhängig, bezahlt oder übernommen? Die fünffache Gewichtung gegenüber Tier 3 ist unsere interne Heuristik, kein gemessener Plattformfaktor.
Fachmedien, Verbände, Hochschulen, Verlage.
Fachliche Relevanz, erkennbare Autoren und eigene Daten können einen Beitrag als Quelle wertvoll machen. Die Prüfung erfolgt am konkreten Inhalt. Ein Fachportal ist nicht automatisch unabhängiger als ein Verzeichnis; auch Herausgeber, Originalquelle und mögliche Interessenkonflikte werden erfasst.
Aggregatoren und Wire-Reprints.
Aggregator-Verzeichnisse und PR-Nachdrucke können in Antworten vorkommen. Wiederholte Listen auf mehreren Domains sind aber nicht automatisch mehrere unabhängige Bestätigungen. Wir kennzeichnen Kopien, gemeinsame Herkunft, erkennbare Finanzierung und fehlende Auswahlkriterien. Daraus folgt ein Abhängigkeitsrisiko, keine sichere Vorhersage einer Abwertung.
Wie wir Abhängigkeiten in Quellen erkennen.
Bei einer Quellenanalyse verfolgen wir eine Citation bis zum Originalbeitrag: Sind Text, Anbieterreihenfolge oder Auswahlbegründung auf mehreren Domains identisch? Gibt es Autoren, ein Impressum und nachvollziehbare Kriterien? Solche Befunde werden mit URL und Snapshot dokumentiert. Ohne diese Belege behaupten wir weder Unabhängigkeit noch eine künstliche Manipulation durch einzelne Anbieter.
Cliff-Edge-Hedging
Nutzen, was wirkt. Bauen, was bleibt.
Eine heute zitierte Quelle kann morgen wegfallen. Deshalb betrachten wir den Quellenmix und dessen Abhängigkeiten. Das folgende Schaubild zeigt ein mögliches Szenario; es zeigt keine Kundenmessung und keine Prognose für einen Update-Termin.
Bavaria AI · Modell · angenommene Dynamik, keine Messung
Cliff-Edge-Hedging heißt hier: bestehende Citations beobachten und gleichzeitig eigenständige, relevante Belege aufbauen. Wiederholte Verzeichnislisten werden nicht mit unabhängiger Bestätigung gleichgesetzt. Ob sich ein breiterer Quellenmix auszahlt, muss in späteren Messungen geprüft werden.
Wie schnell und aus welchem Grund ein Antwortsystem einzelne Quellen anders auswählt, können wir nicht vorhersagen. Die Maßnahmenplanung orientiert sich deshalb an belegbaren Lücken, Aufwand und Relevanz für Käufer – nicht an einer behaupteten Frist bis zum nächsten KI-Update.
Primäre Reporting-KPIs
Von der Antwort zur qualifizierten Nachfrage.
Eine einzelne Gesamtpunktzahl kann nicht zeigen, ob Sichtbarkeit geschäftlich wirkt. Deshalb berichtet Bavaria AI die Ergebniskette in vier getrennten Ebenen.
Nennungsquote
Anteil gültiger Antworten mit Markennennung im vereinbarten Prompt-Set, getrennt nach Engine und Intent. Mehrere Nennungen derselben Marke innerhalb einer Antwort zählen für diese Quote einmal.
Empfehlungsquote
Anteil gültiger Antworten, die die Marke ausdrücklich als passende Option für die gestellte Frage einordnen. Die Abgrenzung zur bloßen Nennung wird vor der Auswertung festgehalten.
Citation-Quote
Anteil gültiger Antworten mit mindestens einem Quellenlink auf die eigene Domain. Davon getrennt erfassen wir fremde Quellen, die Aussagen über die Marke belegen. Eine eigene Citation setzt keine Markennennung voraus.
Qualifizierte Nachfrage
Besuche aus erkennbaren KI-Referrals sowie qualifizierte Anfragen und Opportunities mit dokumentierter Zuordnung. Direkte Referrals, belegte assistierte Kontakte und Selbstauskünfte werden getrennt ausgewiesen. Ein Kontakt ohne nachvollziehbare Zuordnung wird nicht als KI-Erfolg gezählt.
Rechenbasis der Antwortquoten: Zähler und Zahl gültiger Antworten werden gemeinsam angegeben. Technische Fehler und nicht erhaltene Antworten zählen nicht als negative Markennennung; sie werden separat als fehlende Abdeckung ausgewiesen. Eine gültige Antwort ohne Empfehlung zählt dagegen zum Nenner. Falls Google keine AI Overview ausspielt, wird dies getrennt von einem Abruffehler erfasst. Eine Prompt-Gewichtung wird nur mit offengelegter Regel zusätzlich ausgewiesen.
Bei Google zeigen wir zusätzlich die Ausspielquote: Suchprüfungen mit AI Overview geteilt durch alle technisch erfolgreich geprüften Suchergebnisse. Nennungs- und Citation-Quoten innerhalb der AI Overviews beziehen sich auf tatsächlich erfasste KI-Antworten. Eine nicht ausgespielte AI Overview ist dabei keine negative Antwort.
Sichtbarkeits-Kennzahlen
Was wir zählen, und was nicht.
Begriffe und Nenner werden im Report definiert. Ein „Share of Model“ verschiedener Tools kann auf unterschiedlichen Stichproben und Formeln beruhen; solche Werte sind ohne Abgleich nicht direkt vergleichbar.
| Kennzahl | Bedeutung |
|---|---|
| Nennung und Citation | Eine Markennennung im Antworttext und ein Quellenlink auf die eigene Domain sind getrennte Beobachtungen. Eine kann ohne die andere auftreten. |
| Mention-SoV und Citation-SoV | Für das festgelegte Vergleichsfeld zählen wir pro gültiger Antwort jede Marke beziehungsweise Domain höchstens einmal. Share of Voice ist der Anteil dieser Treffer für die eigene Marke oder Domain an allen Treffern des Vergleichsfelds. Das Vergleichsfeld und der Nenner werden genannt; ohne Treffer ist der Wert nicht berechenbar. |
| Total-Score und „Durable“-Teilwert | Interne, tiergewichtete Zusammenfassungen des Quellenmixes. Der Teilwert umfasst Tier 1 und 2; sein Name bedeutet keine nachgewiesene zukünftige Stabilität. Maßgeblich bleiben die URLs, ihre Einordnung und tatsächlich beobachtete Citations. |
| Trust-Tier | Interne Klassifikation anhand von Herkunft, fachlicher Relevanz, Originalität und redaktioneller Verantwortung. Ein bekannter Markenname oder Domain-Typ allein belegt keine Quellenqualität. |
| Cliff-Edge-Hedging | Arbeitsbegriff für den Umgang mit Quellenabhängigkeiten. Wir dokumentieren Konzentration und Kopien; ob oder wann eine Engine diese Quellen anders behandelt, ist nicht vorhersagbar. |
| Snapshot und Vergleichsbasis | Jede Messung trägt Zeitpunkt, Engine beziehungsweise Modus, Prompt-Set, Wiederholungen und Methodik-Version. Änderungen dieser Basis werden ausgewiesen. Ein einzelner Messpunkt belegt keinen Trend. |
Engine für Engine
Vier Engines, vier Wege zur Sichtbarkeit.
Antworten können je Engine, Modus, Frage und Zeitpunkt unterschiedlich ausfallen. Darum dokumentieren wir die tatsächlich verwendete Oberfläche und deren beobachtbare Quellen. Die Tabelle benennt Prüfbereiche; sie ist keine Beschreibung interner Rankinggewichte.
| Engine | Beobachtungsrahmen | Prüffokus |
|---|---|---|
| ChatGPT | Antwort mit oder ohne Websuche; verwendeten Modus festhalten | Suchzugang über OAI-SearchBot, erkennbare Quellenlinks, Nennung und Faktentreue |
| Perplexity | Tatsächlich ausgegebene Antwort und Quellen im protokollierten Modus | Erreichbarkeit und Inhalt der zitierten URLs; belegte Aussagen und Quellenmix |
| Google AI Overviews | Google-Suchergebnis mit dokumentiertem Ort, Sprache und Datum | Indexierung und Snippet-Eignung; Ausspielung, Quellenlinks und Suchintention |
| Gemini | Verwendete App beziehungsweise Oberfläche und Such-/Grounding-Modus | Sichtbare Quellen und überprüfbare Aussagen; keine Gleichsetzung mit AI Overviews |
Engine-Ergebnisse werden separat ausgewiesen. Wiederholungen zeigen Schwankungen; ein Audit bleibt eine definierte Bestandsaufnahme. Ein laufendes Monitoring wird zusätzlich vereinbart.
Grenzen der Methodik
Was die Messung nicht beweist.
KI-Systeme sind Black-Boxes. Wir beobachten Antworten, Quellen und nachgelagerte Nachfrage, aber keinen internen Auswahlalgorithmus. Deshalb werden Befund, Interpretation und Geschäftsergebnis getrennt berichtet.
- 01
Korrelation ist keine Kausalität
Eine reparierte technische Hürde oder bessere Antwort kann plausibel zur Sichtbarkeit beitragen. Ein zeitgleich besserer Messwert beweist aber nicht, dass gerade diese Änderung die KI-Antwort verursacht hat. Andere Änderungen, Modelle und Wettbewerb werden als mögliche Erklärungen mitgeführt.
- 02
Prompt-Sets sind Stichproben
Kein Set bildet jede mögliche Nutzerfrage ab. Wir dokumentieren Auswahlregel, Intent-Mix und Messdatum, damit Veränderungen trotzdem vergleichbar bleiben.
- 03
Attribution braucht Kontext
AI-Referral-Traffic ist messbar, Dark Traffic und assistierte Kontakte aber nicht immer vollständig. Deshalb werden Quellen, Anfragen und CRM-Signale gemeinsam interpretiert.
- 04
Jeder Wert ist ein Snapshot
Antworten, Modelle und Quellen ändern sich. Vorher-Nachher-Aussagen benötigen dasselbe Prompt-Set, dieselben Engines und eine dokumentierte Methodik-Version.
Anti-Promise
Was wir nicht versprechen. Und was schon.
- Keine Garantie für eine bestimmte Citation-Anzahl.
- Keine Garantie für eine Position auf der Quellenliste einer Engine.
- Keine Garantie, dass der Score binnen einer Frist um X Punkte steigt: Die Bewegung hängt von Ausgangslage, Branche und Umsetzungstiefe ab.
- Wer so etwas verspricht, ignoriert die Black-Box-Realität der Engines.
- Ein dokumentiertes, versioniertes Audit, in dem jede Zahl Beleg und Messdatum trägt.
- Eine priorisierte Maßnahmen-Liste pro Dimension.
- Vorher-Nachher nur gegen dasselbe Prompt-Set und dieselbe Methodik-Version, nie gegen bewegliche Maßstäbe.
- Ehrliche Berichterstattung, auch wenn qualifizierte Nachfrage langsamer wächst als Sichtbarkeit.
Von der Messung zur Umsetzung
Drei Phasen, klar abgegrenzt.
Die Methodik strukturiert die Arbeit. Diagnose, Umsetzung und laufende Betreuung sind separat vereinbarte Leistungen. Sind Zielbild, Nachfrage oder Prioritäten noch offen, kann vor der Umsetzung eine Sichtbarkeits-Strategie sinnvoll sein. Sie buchen den Schritt, den Ihre Situation benötigt.
Diagnose
Im GEO-Audit prüfen wir die vereinbarten Seiten, Engines und Prompts und liefern eine Ausgangsmessung mit priorisierten Befunden. Umfang und Vertiefung richten sich nach dem Paket. Der reguläre Einstieg ist das GEO-Audit Standard für 1.490 € netto, einmalig und ohne Folgebindung.
Fundament
Priorisierte technische und inhaltliche Grundlagen werden in einem separat vereinbarten Umsetzungsprojekt bearbeitet. Dazu kann passendes Schema-Markup gehören. Code wird im Audit nicht automatisch deployed; implementierte Daten müssen bei späteren Inhaltsänderungen gepflegt werden.
Wachstum
Wiederholte Messung, Content-Weiterentwicklung und relevante Quellenarbeit können ein laufendes Mandat bilden. Welche Maßnahmen und Engines enthalten sind, wird vereinbart. Ein Audit verpflichtet nicht zu einer laufenden Zusammenarbeit.
Belastbare Sichtbarkeit
Wiederholte Antwortmessungen zeigen, ob sich beobachtete Sichtbarkeit verändert. Qualifizierte Anfragen und Opportunities ergänzen das Bild, soweit zuordenbar. Ein positiver Diagnosewert allein wird nicht als Geschäftserfolg ausgewiesen.
Frühere Methodik-Fassung als PDF
Das PDF dokumentiert eine frühere Fassung. Für den aktuellen Messrahmen und die Einordnung interner Scores gilt diese Seite. Der konkrete Leistungsumfang steht im Angebot.
Frühere PDF-Fassung ansehenVideo: Warum KI-Systeme unterschiedliche Anbieter nennen
Das Video zeigt Beispiele für Anbieterantworten und diskutiert vier Prüfbereiche: Erwähnungen, externe Belege, verständliche Inhalte und technische Auffindbarkeit. Welche davon im Einzelfall entscheidend sind, lässt sich erst anhand konkreter Antworten und Quellen untersuchen.
Beim Abspielen wird eine Verbindung zu YouTube hergestellt. Es gilt die Datenschutzerklaerung. Das vollstaendige Transkript steht unten, du musst das Video nicht starten.
-
01
Erwaehnungen
Wir prüfen eigene Inhalte und Aussagen externer Quellen gemeinsam. Fehlende externe Erwähnungen sind ein Prüfpunkt, aber kein Beweis dafür, dass eine Engine die Marke nicht kennt.
-
02
Vertrauen von aussen
Fachmedien, Bewertungen und Vergleiche können Angaben zur Marke stützen. Entscheidend ist, was die konkrete Quelle tatsächlich belegt und wie unabhängig sie ist.
-
03
Zitierfaehige Inhalte
Eine direkte Antwort erleichtert Menschen die Orientierung. Umfang und Aufbau folgen der Frage; es gibt keine allgemeine Regel, dass nur der erste Absatz zitiert werden kann.
-
04
Organisches Fundament
Technische Zugänglichkeit und Suchmaschinen-Indexierung werden passend zur Engine geprüft. Eine bestimmte organische Top-Position ist keine allgemeine Voraussetzung für jede KI-Citation.
Das ganze Video zum Mitlesen, nach Kapiteln
Leicht redigiertes Transkript der damaligen Aufnahme. Das Video vereinfacht: Google bleibt ein relevanter Suchkanal, auch die eigene Website kann Quelle sein, und ein Kurztest liefert nur erste Beobachtungen. Eine Top-Position ist keine universelle Eintrittskarte für KI-Antworten. Der aktuelle Messrahmen mit diesen Abgrenzungen steht oben.
-
01
Deine Kunden fragen nicht mehr Google
Deine potenziellen Kunden fragen heute nicht mehr Google. Sie fragen direkt ChatGPT: Wer ist der beste Anbieter fuer Branche XY? Wir zeigen dir jetzt live, wen ChatGPT nennt und wen nicht. Denn wenn deine Firma in der Antwort fehlt, existiert sie fuer diese Kunden nicht.
Die gute Nachricht: Das laesst sich aendern. Die schlechte: Fast alles, was du bisher dazu gelesen hast, ist falsch. Es ist keine Liste blauer Links mehr, es ist eine Empfehlung, eine Auswahl. Und ob du darauf stehst, hat fast nichts damit zu tun, wie gut du wirklich bist. Es gibt Topfirmen, die nie auftauchen, und mittelmaessige, die staendig oben stehen. Jede KI zieht ihre eigenen Quellen, und es gibt nicht die eine Stellschraube fuer alle.
-
02
Live: wen ChatGPT nennt und wen nicht
Ich stelle jetzt eine ganz normale Kaufanfrage, so wie ein potenzieller Kunde es tun wuerde. Und da ist die Antwort. ChatGPT nennt konkrete Anbieter mit Namen. Aber es ist keine Liste blauer Links zum Anklicken wie bei Google, es ist eine Empfehlung, eine Auswahl.
Jetzt kommt der Teil, der weh tut. Vielleicht steht deine Firma auf der Liste, vielleicht auch nicht. Und ob du genannt wirst, hat fast nichts damit zu tun, wie gut du wirklich bist. Es gibt Topfirmen, die weit unten oder gar nicht auftauchen, und mittelmaessige, die weiter oben stehen.
Damit du siehst, dass das kein Zufall ist: dieselbe Frage bei Perplexity. Teilweise andere Anbieter, teilweise dieselben, andere Reihenfolge. Jede KI zieht ihre eigenen Quellen. Es gibt nicht die eine Stellschraube fuer alle Engines, sie funktionieren alle unterschiedlich.
-
03
Warum ein Klick nicht mehr reicht
Kurzer Reality-Check. Viele denken: Das ist doch nur ChatGPT, ich ranke bei Google ohnehin auf Platz eins, ich brauche das nicht. Letztes Jahr war das vielleicht ein guter Gedanke, heute nicht mehr.
In der KI-Antwort bekommst du oft gar keinen Klick. Der Kunde liest die Empfehlung und entscheidet erst danach, ob er deine Website ueberhaupt besucht. Du musst also nicht mehr nur ganz oben stehen, sondern Teil der Antwort sein. Wer nicht genannt wird, faellt aus der Auswahl, bevor der Kunde deine Seite oeffnet.
-
04
Die vier echten Gruende
Warum wird die Konkurrenz genannt und du nicht? Vier Gruende, der wichtigste kommt zum Schluss.
Erstens: Du wirst nicht dort erwaehnt, wo die KI hinschaut. Und das ist nicht deine Website. Die KI baut ihr eigenes Bild aus dem, was im Web ueber dich steht. Spricht kaum jemand ueber dich, kennt sie dich nicht.
Zweitens: Du wirst nicht von den Quellen zitiert, denen die KI vertraut. Fachpresse, Bewertungsplattformen, Vergleichslisten. Wenn nur du sagst, dass du gut bist, zaehlt es nicht. Wenn andere es ueber dich sagen, zaehlt es viel.
Drittens: Deine Inhalte sind nicht so gebaut, dass eine KI sie zitieren kann. Sie braucht eine klare, direkte Antwort, die sie herausziehen kann. Keine Verkaufsseite, auf der die Antwort erst im dritten Absatz auftaucht.
Viertens: Dein Fundament fehlt. Gerade Google AI Overviews und die Websuche von ChatGPT ziehen bevorzugt aus Seiten, die ohnehin gut ranken. Das ist nicht das Ziel, sondern das Fundament, deine Eintrittskarte.
Und jetzt der wichtigste Satz im ganzen Video. Es ist nicht das Schema-Markup. Es ist nicht die llms.txt. Es sind nicht irgendwelche Blogartikel, die dir gerade viele Agenturen als Wundermittel verkaufen. Das bewegt die Nadel kaum. Die echten Hebel sind Erwaehnungen, Vertrauen von aussen, zitierfaehige Inhalte und ein sauberes Fundament. Der Rest ist Deko.
-
05
Vorsicht vor „Platz 1 in ChatGPT“
Eine Warnung, die dir viel Geld sparen wird. Wenn dir jemand verspricht, dass du in ChatGPT auf Platz eins rankst, lauf weg.
Der Grund: KI-Antworten schwanken. Stellst du dieselbe Frage zweimal, bekommst du oft unterschiedliche Antworten. Der Kern bleibt stabil, aber ein Grossteil rotiert Woche fuer Woche. Eine einzelne Momentaufnahme ist damit wertlos. Eine belastbare Zahl bekommst du nur ueber viele Durchlaeufe, nicht daraus, dass du einmal oben standest.
-
06
So testest du dich selbst in zehn Minuten
Genug Theorie. Du sollst heute noch wissen, wo du stehst, und den Test kannst du komplett selbst und kostenlos machen.
Erstens: Schreib fuenf echte Kauffragen auf, die deine Kunden stellen. Nicht deinen Firmennamen, sondern echte Probleme, die sie loesen wollen.
Zweitens: Gib jede Frage in alle vier Engines ein: ChatGPT, Perplexity, Google AI Overviews und Gemini.
Drittens: Stell jede Frage mehrfach, nicht nur einmal, weil die Antworten schwanken.
Viertens: Notiere, wie oft du genannt wirst und wie oft deine Konkurrenz. Die Haeufigkeit ist die echte KI-Sichtbarkeit.Das kostet dich vielleicht zehn Minuten und sagt dir ehrlich, ob du ein Problem hast. Mach das wirklich heute noch. Was der Test dir nicht sagt: welcher der vier Hebel bei dir zuerst zieht und in welcher Reihenfolge.
-
07
Wie es weitergeht
Genau das ist unsere Arbeit bei Bavaria AI. Wenn du nach dem Test merkst, dass du kaum vorkommst, und wissen willst, wo du stehst und was zuerst zu tun ist, dann melde dich zum kostenlosen Erstgespraech. Wir schauen uns deine Situation gemeinsam an, ohne Verpflichtung.
Wenn dir das Video geholfen hat, abonniere den Kanal. Wir zeigen dir jede Woche, wie du in der KI-Welt sichtbarer wirst. Als Naechstes zeige ich dir Schritt fuer Schritt, wie du in ChatGPT konkret sichtbarer wirst. Bis dahin: Mia san KI.
Du hast bei einem ersten Selbsttest Lücken gesehen? Im kostenlosen Erstgespräch klären wir, welche Fragen offen sind und ob eine systematische Messung sinnvoll ist.
Häufige Fragen
Die Messung im Detail.
Wie messe ich KI-Sichtbarkeit belastbar?
Mit einem dokumentierten Prompt-Set und wiederholten Antworten je vereinbarter Engine. Nennung, Empfehlung, Quellenlinks und Faktentreue werden getrennt erfasst. Zeitpunkt, Modus, Wiederholungen und Datenlücken gehören dazu. Analytics und CRM ergänzen Besuche, qualifizierte Anfragen und Opportunities, soweit belastbar zuordenbar.
Welche KPIs stehen im Vordergrund?
Nennungsquote, Empfehlungsquote und Citation-Quote beschreiben Antworten; qualifizierte Anfragen und Opportunities beschreiben Geschäftswirkung. Zähler, Nenner, Zeitfenster und Attribution werden offengelegt. Ein interner GEO-Score priorisiert Befunde, ersetzt aber keine dieser Messungen.
Warum werden die Engines getrennt ausgewiesen?
ChatGPT, Perplexity, Google AI Overviews und Gemini können je Modus und Zeitpunkt unterschiedliche Antworten und Quellen zeigen. Ein Durchschnitt würde diese Unterschiede verdecken. Welche Systeme enthalten sind, wird vor dem Auftrag vereinbart.
Wie viele Seiten und Prompts werden geprüft?
Seiten, Märkte, Sprachen, Engines, Prompts und Wiederholungen richten sich nach Prüfziel und vereinbartem Paket. Ein Standard-Audit umfasst nicht automatisch alle Engines oder eine umfassende Nachfrage- und Wettbewerbsstrategie. Die Vergleichsbasis wird vor der Messung dokumentiert.
Was ist der GEO-Score?
Eine interne Entscheidungshilfe aus geprüften Technik-, Content-, Autoritäts- und Präsenzsignalen. Gewichte und Deckel sind unsere Heuristik, keine Plattformfaktoren und keine kalibrierte Erfolgswahrscheinlichkeit. Der Wert belegt weder Empfehlungen noch Leads oder Umsatz.
Garantiert ein hoher Diagnosewert Citations?
Nein. Ein Diagnosewert fasst geprüfte Befunde zusammen. Ob eine Engine eine Marke nennt oder eine Seite zitiert, wird separat beobachtet. Ein hoher Wert und eine zeitgleiche Verbesserung beweisen weder eine Garantie noch einen kausalen Zusammenhang.
Was passiert mit nicht prüfbaren Signalen?
Sie werden als nicht ermittelbar dokumentiert. Abdeckung, ausgeschlossene Prüfungen und verwendete Gewichte bleiben sichtbar. Ein Werkzeug-Limit wird nicht als Website-Mangel ausgegeben; Scores mit unterschiedlichem Prüfbereich werden nicht ungekennzeichnet verglichen.
Ist die Messung reproduzierbar?
Der Ablauf und die Vergleichsbasis sind wiederholbar; identische KI-Antworten sind es nicht zuverlässig. Wir dokumentieren Prompt-Set, Engine und Modus, Zeitpunkt, Kontext, Wiederholungen und Methodik-Version. Änderungen an Website und Messmethode werden getrennt ausgewiesen.
Der nächste Schritt
Wenn das zu Ihrer Situation passt.
Sie möchten wissen, ob Ihre Marke in relevanten KI-Antworten vorkommt und was als Nächstes zu tun ist? Im kostenlosen 30-Minuten-Erstgespräch klären wir die Ausgangslage und einen passenden Prüfbereich. Eine belastbare Ausgangsmessung ist ein separat beauftragtes GEO-Audit; Umsetzung und laufendes Monitoring werden zusätzlich vereinbart.
Einordnung: Beobachtete Antwortwerte, technische Befunde und interne Bewertungsmodelle sind unterschiedliche Evidenzarten. Die Gewichte und Tiers auf dieser Seite sind keine veröffentlichten Regeln von Google oder OpenAI. Die folgenden Primärquellen erläutern technische Voraussetzungen und Grenzen; sie belegen keine bestimmte Wirkung unserer Gewichtung.
Primärquellen: Google: AI Features und Voraussetzungen · Google: Optimierung für generative Suchfunktionen · OpenAI: Such-, Trainings- und Nutzer-Bots · Google: Richtlinien für strukturierte Daten
Stand dieser redaktionellen Einordnung: 5. September 2026. Konkrete Kundenmessungen benötigen einen eigenen Stichtag, eine definierte Stichprobe und gespeicherte Belege. Die Modellwerte und Szenarien dieser Seite sind keine Kundenresultate und keine Zusicherung künftiger Ergebnisse.