Ratgeber Messung
Wie messe ich meine KI-Sichtbarkeit?
KI-Sichtbarkeit misst man, indem man einen festen Satz standardisierter Nutzer-Prompts (typische Suchanfragen der Zielgruppe) durch die relevanten KI-Systeme ChatGPT, Perplexity, Google AI, Gemini und Claude schickt und für jede Antwort zählt, ob und an welcher Position das Unternehmen genannt wird. Aus Trefferquote und durchschnittlicher Position ergibt sich ein Visibility-Score pro Modell, der über die Zeit vergleichbar ist. Entscheidend ist, echte Modell-Antworten zu messen, nicht nur die Website-Struktur zu bewerten.
Die Methodik von Local First
Local First misst mit standardisierten Prompt-Sets pro Branche und Stadt. Für einen lokalen Betrieb sind das Fragen, die echte Interessenten stellen würden: beste Anbieter, konkrete Leistung, Stadt, Problem, Vergleich und Kaufnähe. So wird nicht gemessen, ob die Website schön strukturiert ist, sondern ob das Unternehmen in echten KI-Antworten auftaucht.
Die Läufe werden API-basiert oder in neutralen Umgebungen durchgeführt, damit eingeloggte Accounts, Suchhistorie und persönliche Vorlieben die Ergebnisse nicht verzerren. Danach wird der Rohtext verifiziert: Wurde die Marke genannt, auf welcher Position, mit welcher Begründung und aus welchen Quellen?
Warum eigene Browser-Abfragen täuschen können
Wer im eigenen ChatGPT-Account nach seiner Marke fragt, misst oft nicht den Markt, sondern seinen eigenen Kontext. Frühere Chats, Standort, persönliche Themen und wiederholte Markennennungen können dazu führen, dass das Modell den Betrieb kennt, obwohl ein neutraler Nutzer ihn nicht sehen würde.
Deshalb ist Rohtext-Verifikation wichtig. Die Antwort muss dokumentiert werden, nicht nur das Ergebnisgefühl. Erst wenn dieselben Prompts regelmäßig und neutral laufen, entsteht eine Zeitreihe, aus der man Fortschritt erkennen kann.
Was ein guter Score wirklich bedeutet
Ein Visibility-Score ist kein Selbstzweck. Eine Nennung bei einer allgemeinen Wissensfrage ist weniger wert als eine Nennung bei einem kaufnahen lokalen Prompt. Deshalb zählt Local First Trefferquote, Position und Prompt-Typ getrennt, statt alles in eine hübsche, aber unklare Zahl zu pressen.
Belegt wird Fortschritt erst durch wiederholte Messung. Bei RolloMax zeigte die Nachmessung in Perplexity den Sprung von 0 auf 15 von 48 Nennungen und Rang 1. Die Details stehen in der RolloMax Case Study. Begriffe wie Trefferquote, Entität und Answer-First erklärt das GEO-Glossar.
Weiter im Ratgeber-Cluster
FAQ
Kann ich einfach selbst ChatGPT fragen, ob es mich kennt?
Für eine grobe Momentaufnahme ja, für eine Messung nein. Eingeloggte Accounts, Chat-History, Standortsignale und frühere Fragen können die Antwort verfälschen. Vergleichbar wird es erst mit standardisierten Prompts und neutralen Läufen.
Wie oft sollte man KI-Sichtbarkeit messen?
Für lokale Betriebe ist ein monatlicher Vergleich sinnvoll. So erkennt man, ob Quellenarbeit, neue Inhalte und Bewertungen die Nennungen und Positionen verbessern, ohne auf tägliche Schwankungen zu reagieren.
Welche KI-Systeme sind für lokale Betriebe relevant?
Relevant sind vor allem ChatGPT, Perplexity, Google AI, Gemini und Claude. Perplexity ist wegen Live-Websuche besonders gut messbar, Google AI ist wichtig wegen der Nähe zur klassischen Suche.
Was ist ein guter Visibility-Score?
Ein guter Score hängt von Branche, Stadt und Wettbewerb ab. Entscheidend ist nicht eine absolute Zahl, sondern ob die Trefferquote steigt, die Position besser wird und das Unternehmen bei kaufnahen Prompts genannt wird.
Miss zuerst, bevor du optimierst.
Der KI-Sichtbarkeits-Check zeigt dir die echte Ausgangslage deines Betriebs.