Ja, KI‑Sichtbarkeit lässt sich messen, und zwar mit einem Dreiklang aus Prompt‑Simulation, First‑Party‑Tracking und Absorptionsmetriken. Entscheidend ist der Fokus auf Nennung und tatsächlichen Einfluss statt auf klassisches Ranking. Technische Grundvoraussetzung: Ihre Seite muss für KI‑Crawler erreichbar sein und strukturierte, belegbare Inhalte liefern.
Kurz gesagt:
- Die Messung der KI‑Sichtbarkeit basiert auf der Auswahl der Quellen und deren Einfluss auf die Antwort, wobei der Einfluss wichtiger ist als die reine Nennung.
- Klassische SEO-KPIs wie Rankingpositionen und Klickzahlen sind ungeeignet, da diese bei KI‑Antworten oft keine Rolle spielen.
- Ein Dashboard sollte sowohl die Nennquote als auch die Stärke des Einflusses der Quellen regelmäßig erfassen und visualisieren.
- Technisch muss die Website für KI‑Crawler zugänglich sein, was durch technische Prüfungen und die Freigabe des OAI‑SearchBots sichergestellt wird.
- Für kleine Teams reicht oft eine Kombination aus Prompt‑Tests, Logfile‑Auswertung und UTM‑Parametern anstelle aufwändiger eigener Messsysteme.
Inhaltsverzeichnis
- Was bedeutet KI‑Sichtbarkeit überhaupt?
- Warum klassische SEO‑KPIs hier nicht ausreichen
- KPIs und Metriken für ein KI‑Visibility‑Dashboard
- Ein Prompt‑Set aufbauen und systematisch testen
- Prompt‑Simulation oder First‑Party‑Tracking: welches Werkzeug wofür?
- Technische Prüfliste: Ist Ihre Website für KI‑Crawler überhaupt erreichbar?
- Das Zwei‑Stufen‑Dashboard: Selection und Absorption operationalisieren
- Was Forschung und OpenAI‑Richtlinien für die Praxis bedeuten
- Einstieg mit einem KI‑Sichtbarkeits‑Check
- Quellen
- FAQ
Was bedeutet KI‑Sichtbarkeit überhaupt?
KI‑Sichtbarkeit beschreibt, ob und wie eine Marke in den Antworten von Sprachmodellen auftaucht, nicht, auf welchem Rang sie in einer Trefferliste steht. Die Forschung unterscheidet dabei zwei Stufen: Selection, also ob eine Quelle überhaupt zitiert wird, und Absorption, also wie stark diese Quelle den tatsächlichen Antworttext prägt. Ein Zwei‑Stufen‑Messrahmen zeigt, dass ChatGPT insgesamt weniger Quellen zitiert als andere Systeme, die zitierten Quellen aber tiefer in die Antwort einbaut.

In der Praxis zeigt sich KI‑Sichtbarkeit sehr unterschiedlich: In ChatGPT taucht eine Marke als direkte Nennung mit Quellenlink auf, in Perplexity oft als Fußnote neben mehreren Konkurrenten, in Google AI‑Overviews als kurzer Textausschnitt über dem klassischen Suchergebnis. Wer nur zählt, ob der eigene Name irgendwo fällt, misst Selection. Wer wissen will, ob die eigene Information die Antwort tatsächlich trägt, misst Absorption, und genau hier liegt der größere Hebel.
Warum klassische SEO‑KPIs hier nicht ausreichen
Impressionen, Rankingpositionen und Klickraten wurden für eine Welt gebaut, in der Nutzer eine Trefferliste scannen und selbst entscheiden, worauf sie klicken. Bei generativen Antworten entscheidet das Modell, welche Quelle zitiert wird und wie stark sie in den Text einfließt, der Nutzer sieht oft nur eine zusammengefasste Antwort ohne eigenen Klick. Ein Unternehmen kann in der Google Search Console steigende Impressionen verzeichnen, während die Anfragen über den Chat parallel sinken, einfach weil die Antwort direkt in der KI‑Oberfläche gegeben wurde und kein Besuch mehr nötig war.
Diese Lücke hat direkte Folgen fürs Reporting: Wer weiterhin nur klassische Rankingberichte vorlegt, übersieht einen wachsenden Teil der Markenwahrnehmung komplett. Zieldefinitionen müssen deshalb um Nennungsrate und Einflussstärke erweitert werden, sonst bleibt ein blinder Fleck genau dort, wo Kaufentscheidungen zunehmend vorbereitet werden.
KPIs und Metriken für ein KI‑Visibility‑Dashboard
Ein brauchbares Dashboard bildet beide Stufen ab, Selection und Absorption, und ergänzt sie um Qualitätssignale. Diese Kennzahlen bilden den Kern:
- Selection Rate: Anteil der getesteten Prompts, bei denen die eigene Marke überhaupt genannt wird.
- Citation Frequency und Citation Rank: wie oft und an welcher Position eine Quelle in Antworten erscheint.
- Visibility Share: eigener Anteil an Nennungen im Vergleich zu allen genannten Quellen in einer Prompt‑Kategorie.
- Absorption Score beziehungsweise Influence Score: wie stark der eigene Content den tatsächlichen Antworttext prägt, etwa über Textüberlappung und Position innerhalb der Antwort.
- Prompt Coverage und Semantic Coverage: wie viele relevante Fragestellungen und thematische Varianten überhaupt abgedeckt werden.
- Sentiment und Response Accuracy: ob die Nennung positiv, neutral oder sachlich falsch ausfällt.
- AI‑Traffic‑Qualität: Verweildauer und Konversion von Besuchern, die über KI‑Referrals kommen, im Vergleich zu klassischem Suchverkehr.
Shopify Deutschland listet in einem praxisnahen Leitfaden genau diese Kombination aus Brand Mentions, Citation Frequency, Prompt Coverage und Visibility Share als zentrale Steuerungsgrößen. Priorität hat zunächst die Selection Rate, weil sie am leichtesten zu erheben ist, danach folgt der Absorption Score als anspruchsvollere, aber aussagekräftigere Metrik.
Ein Prompt‑Set aufbauen und systematisch testen
Ein belastbares Prompt‑Set ist die Messbasis für alles Weitere. So gehen Sie vor:
Sammeln Sie drei Prompt‑Typen: problemorientierte Fragen („Wie löse ich…“), anbieterorientierte Fragen („Welche Anbieter gibt es für…“) und Entscheiderfragen („Was ist der beste Anbieter für…“). 2. Formulieren Sie zu jedem Thema mehrere Paraphrasen und, wo relevant, regionale Varianten, damit Sie nicht nur eine Formulierung testen. 3. Verteilen Sie die Prompts über verschiedene Intent‑Phasen, von der ersten Recherche bis zur konkreten Kaufentscheidung. 4. Führen Sie die Tests wöchentlich oder monatlich in denselben Systemen durch und dokumentieren Sie Nennung, Position und Tonfall in einer festen Tabelle. 5. Vergleichen Sie die Ergebnisse über mehrere Durchläufe, bevor Sie einen Trend als gesichert behandeln.
Profi‑Tipp: Testen Sie jeden Prompt mindestens dreimal an verschiedenen Tagen, denn einzelne Antworten schwanken stark, und erst der Mittelwert über mehrere Durchläufe zeigt einen echten Trend.

Prompt‑Simulation oder First‑Party‑Tracking: welches Werkzeug wofür?
Prompt‑Simulationen zeigen, was ein Modell bei einer bestimmten Frage ausgeben könnte, First‑Party‑Daten zeigen, was tatsächlich passiert ist. Beide Datenarten ergänzen sich, und laut einem deutschsprachigen Leitfaden von Ranktracker führt erst die Kombination aus geschätzter und beobachteter Sichtbarkeit zu belastbaren Aussagen.
- Prompt‑Monitoring‑Tools liefern schnelle, wiederholbare Stichproben, sind aber nie identisch mit dem, was ein einzelner Nutzer tatsächlich sieht.
- Serverseitiges Tracking über Logfiles zeigt reale Bot‑ und Nutzerzugriffe, erfordert aber technischen Zugang zum Server.
- AI‑Referral‑Traffic lässt sich in Analytics segmentieren, etwa über den Parameter utm_source=chatgpt.com, den ChatGPT bei Verweisen automatisch anfügt.
- Looker Studio eignet sich für die Zusammenführung mehrerer Datenquellen in einem Dashboard, Logfile‑Analyse für die technische Tiefenprüfung einzelner Bot‑Zugriffe.
Für kleinere Teams reicht oft die Kombination aus Google Search Console, einem einfachen Prompt‑Set und sauberer UTM‑Segmentierung, spezialisierte GEO‑Tools lohnen sich erst bei größerem Prüfumfang.
Technische Prüfliste: Ist Ihre Website für KI‑Crawler überhaupt erreichbar?
Bevor man über Metriken spricht, muss die Website technisch erreichbar sein. Diese Punkte gehören auf jede Checkliste:
- robots.txt prüfen und OAI‑SearchBot ausdrücklich zulassen, denn diese Angabe entscheidet, ob eine Seite in der ChatGPT‑Suche überhaupt auftauchen kann.
- OAI‑SearchBot von GPTBot unterscheiden: Ersterer dient der Suche, Letzterer dem Modelltraining, eine Blockade des einen sagt nichts über den anderen aus.
- Logfiles regelmäßig auf Bot‑User‑Agents, IP‑Bereiche, Fetch‑Fehler und Rate‑Limits prüfen.
- Strukturierte Überschriften, ARIA‑Tags und saubere HTML‑Semantik sicherstellen, damit Inhalte auch ohne vollständiges JavaScript‑Rendering lesbar sind.
OpenAIs eigene Publisher‑Hilfeseite bestätigt, dass eine Blockade des OAI‑SearchBot die Aufnahme in ChatGPT‑Suchergebnisse verhindert, und empfiehlt zugleich die Verwendung von ARIA‑Tags für eine bessere Kompatibilität mit ChatGPT Atlas. Prüfen Sie diese Punkte auch über einen SEO‑ und KI‑Check, bevor Sie Zeit in Prompt‑Tests investieren, deren Ergebnis ohnehin an der technischen Erreichbarkeit scheitert.
Das Zwei‑Stufen‑Dashboard: Selection und Absorption operationalisieren
Ein Dashboard für KI‑Sichtbarkeit sollte die beiden Messstufen klar trennen und miteinander verknüpfen, statt sie in einer einzigen Kennzahl zu vermischen.
- Selection Rate zeigt den Anteil der Prompts mit Nennung, meist als Prozentwert pro Prompt‑Kategorie.
- Absorption Score zeigt, wie stark die eigene Quelle den Antworttext inhaltlich prägt, berechnet über Textüberlappung und Position in der Antwort.
- Prompt Heatmap visualisiert, in welchen Themenclustern die Marke stark oder schwach vertreten ist.
Bei der Priorisierung gilt: Zuerst die Selection Rate stabil erfassen, danach den Absorption Score verfeinern, erst zum Schluss die Automatisierung des gesamten Prozesses angehen. Steigt die Selection Rate, bleibt der Website‑Traffic aber flach, lohnt sich ein Audit der eigenen Evidence‑Container, also der Frage, ob zitierfähige Inhalte wie Zahlen, Definitionen und Vergleichstabellen ausreichend aufbereitet sind.
| Baustein | Messfrage | Reporting‑Rhythmus |
|---|---|---|
| Selection Rate | Wird die Marke überhaupt genannt? | Wöchentlich |
| Absorption Score | Wie stark prägt die Quelle die Antwort? | Monatlich |
| AI‑Traffic‑Qualität | Konvertieren Besucher aus KI‑Referrals? | Monatlich |
Governance braucht feste Baselines je Prompt‑Kategorie, einen klaren Verantwortlichen im Marketing‑Team und einen Rhythmus, der nicht öfter wechselt als die zugrunde liegenden Modelle selbst.
Was Forschung und OpenAI‑Richtlinien für die Praxis bedeuten
Die Forschung zum Zwei‑Stufen‑Modell bestätigt, dass Selection und Absorption unterschiedliche Hebel brauchen, und dass evidenzreiche Seiten mit Zahlen und Vergleichen einen stärkeren Einfluss auf Antworten haben als reine Fließtextseiten. OpenAI selbst rät Betreibern, den OAI‑SearchBot zuzulassen und UTM‑Parameter für das Referral‑Tracking zu nutzen, ohne beides zu vermischen. Ein technischer Check kann diese Punkte abdecken, ersetzt aber keine inhaltliche Arbeit an klar belegten, gut strukturierten Seiten.
— Shaun
Einstieg mit einem KI‑Sichtbarkeits‑Check
Statt wochenlang eigene Prompt‑Sets und Logfile‑Auswertungen aufzubauen, bekommen Sie mit dem Chatpages eine erste, konkrete Einschätzung, ohne eigenes Entwicklerteam.

Der Check kombiniert verschiedene Tests, eine technische Crawl‑Prüfung und eine erste KPI‑Auswertung in einem einzigen Durchlauf. Das passt besonders für kleine Teams, die keine Kapazität für ein eigenes GEO‑Projekt haben, aber wissen wollen, ob ihre Website von KI‑Systemen erkannt wird. Die Ergebnisse lassen sich direkt in ein eigenes Dashboard überführen, und wer anschließend eine komplette Website inklusive Chatbot und Sichtbarkeits‑Optimierung aufsetzen möchte, findet das passende Angebot auf Chatpages.
Quellen
- From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms
- Publishers and Developers - FAQ | OpenAI Help Center
- How To Measure AI Visibility - Ranktracker (DE)
- KI‑Sichtbarkeit messen: KPIs, Tools und Leitfaden (2026) - Shopify Deutschland
FAQ
Was ist der Unterschied zwischen Selection und Absorption?
Selection beschreibt, ob eine Quelle überhaupt in einer KI‑Antwort zitiert wird, Absorption beschreibt, wie stark diese Quelle den tatsächlichen Antworttext inhaltlich prägt. Laut dem Zwei‑Stufen‑Framework zitiert ChatGPT vergleichsweise wenige Quellen, nutzt diese aber tiefer als andere Systeme.
Welche KPIs sollte ein KI‑Visibility‑Dashboard mindestens enthalten?
Ein Dashboard sollte mindestens Selection Rate, Citation Frequency, Absorption Score und eine Einschätzung der AI‑Traffic‑Qualität enthalten. Der Shopify‑Leitfaden nennt zusätzlich Prompt Coverage und Visibility Share als sinnvolle Ergänzungen.
Reicht Google Search Console zur Messung von KI‑Sichtbarkeit aus?
Nein, die Google Search Console zeigt klassische Suchimpressionen und Klicks, aber keine Nennungen in generativen Antworten. Sinnvoll ist die Kombination aus Prompt‑Simulation und First‑Party‑Tracking, wie sie ein praxisnaher Leitfaden beschreibt.
Muss ich den OAI‑SearchBot in der robots.txt freigeben?
Ja, eine Blockade des OAI‑SearchBot verhindert laut OpenAIs eigener Dokumentation, dass eine Seite in der ChatGPT‑Suche erscheinen kann. Das ist unabhängig von der Frage, ob GPTBot für das Modelltraining zugelassen wird.
Wie oft sollte ich KI‑Sichtbarkeit testen?
Ein wöchentlicher Durchlauf für die Selection Rate und ein monatlicher Durchlauf für den Absorption Score haben sich als praktikabler Rhythmus etabliert. Wichtiger als die exakte Frequenz ist, dieselben Prompts über mehrere Durchläufe konstant zu testen, um echte Trends von Tagesschwankungen zu unterscheiden.
