Was ist AI Visibility?

AI Visibility beschreibt, wie oft eine Marke, ein Produkt oder eine Website genannt wird, wenn ein Nutzer einem KI-Chatbot eine Frage stellt. Der Begriff bezeichnet kein einzelnes Werkzeug und keinen bestimmten Algorithmus, sondern dient der Branche als Sammelbegriff für ein neues Phänomen: klassische Suchmaschinen sind nicht mehr der einzige Ort, an dem jemand eine Empfehlung oder eine Antwort sucht.

Anders als etwa PageRank, das Google öffentlich dokumentiert hat, gibt es für AI Visibility keine feste technische Definition und keine Stelle, die sie pflegt. Jeder Anbieter, der AI Visibility trackt, baut sich seine eigene Messmethode. Genau das unterscheidet den Begriff von etablierteren Kennzahlen der Web Analytics.

Wichtig ist, zwei Dinge auseinanderzuhalten, die oft vermischt werden: AI Visibility ist die Kennzahl, also die Zahl, die einen Zustand zu einem Zeitpunkt beschreibt. Die Arbeit, um diese Zahl zu verbessern, trägt einen eigenen Namen und ist eine andere Disziplin, wie weiter unten erklärt wird.

Das Interesse an dieser Kennzahl wächst, weil sich der Kontaktpunkt zum Kunden verschiebt. Früher führte eine Anfrage zu einer Liste von Websites, aus denen man wählte. Heute kommt die Antwort in vielen Fällen bereits fertig im Chat, und eine Marke, die dort nicht genannt wird, taucht in diesem Gespräch schlicht nicht auf, selbst wenn ihre Website bei Google gut rankt.

Der Unterschied liegt nicht nur darin, wo gemessen wird, sondern welche Art von Daten überhaupt gemessen wird. Eine Google-Position ist zum Zeitpunkt des Crawls ein überprüfbarer Fakt. Eine Erwähnung in einer KI-Antwort hängt von einem Modell ab, das Text probabilistisch generiert, weshalb zwei Abfragen derselben Frage unterschiedlich ausfallen können, ohne dass sich an der Website der Marke etwas geändert hat.

Genau hier entsteht die meiste Verwirrung: Zwei Tracking-Anbieter können für dieselbe Marke in derselben Woche völlig unterschiedliche AI-Visibility-Werte ausgeben, und beide können damit richtig liegen, weil sie unter demselben Namen unterschiedliche Dinge messen.

Manche zählen ausschließlich die Erwähnungshäufigkeit: In wie vielen von hundert Testfragen taucht die Marke auf, unabhängig davon, wo und wie. Andere gewichten die Position innerhalb der Antwort stärker, weil eine Marke, die im ersten Satz genannt wird, nicht dasselbe Gewicht hat wie eine, die beiläufig am Ende eines langen Absatzes erwähnt wird. Eine dritte Gruppe achtet darauf, ob die Antwort einen Link oder ein explizites Zitat zur Website der Marke enthält, im Unterschied zu einer reinen Texterwähnung ohne jeden Link. Und manche berechnen einen relativen Anteil gegenüber den Wettbewerbern, die in derselben Antwort auftauchen, ein Ansatz, der an das aus klassischen Medien bekannte Share of Voice erinnert.

Eine weitere Variable, die kaum je offengelegt wird, ist die Anzahl der einbezogenen Modelle. Ein Werkzeug, das nur ChatGPT abfragt, liefert ein anderes Bild als eines, das mehrere Modelle gleichzeitig mittelt, und dieser Mittelwert kann verdecken, dass die Marke in einem der Modelle komplett fehlt. Auch den Tonfall der Erwähnung unterscheiden nicht alle Ansätze: neutral zitiert zu werden ist etwas anderes als mit einer positiven oder negativen Einschätzung zu erscheinen, und nur manche Anbieter beziehen diese Nuance in ihre Berechnung ein.

Selbst die akademische Forschung zu diesem Thema spiegelt diese fehlende Einigkeit wider. Der Aufsatz, der den Begriff GEO (Generative Engine Optimization) eingeführt hat, von Aggarwal und weiteren Autoren aus Princeton, Georgia Tech und dem Allen Institute for AI, definiert nicht eine einzelne Sichtbarkeitskennzahl, sondern mehrere parallel, darunter eine, die die Position des Textes innerhalb der Antwort mit dessen Länge kombiniert, und eine weitere, die darauf beruht, ob ein menschlicher Bewerter die Erwähnung als relevant einstuft. Wenn schon die Forschungsarbeit, aus der der Begriff stammt, sich nicht auf eine einzige Zahl festlegt, überrascht es wenig, dass kommerzielle Werkzeuge ebenfalls nicht übereinstimmen.

Die praktische Konsequenz: Ein AI-Visibility-Wert taugt nur zum Vergleich mit sich selbst über die Zeit, gemessen mit derselben Methodik. Ihn mit der Zahl eines anderen Anbieters zu vergleichen, ohne zu wissen, was jeder davon zählt, liefert keine belastbare Information.

AI Visibility ist das Thermometer, nicht die Behandlung. Die Kennzahl beschreibt einen Zustand: wie oft eine Marke heute in KI-Antworten genannt wird. Diesen Wert zu verbessern ist Aufgabe zweier Disziplinen, die oft im selben Atemzug genannt werden: GEO (Generative Engine Optimization), das sich auf generative Modelle wie ChatGPT oder Gemini konzentriert, und AEO (Answer Engine Optimization), ein weiterer Begriff, der jedes System abdeckt, das Fragen direkt beantwortet, einschließlich Sprachassistenten und Featured Snippets.

Die Parallele zum klassischen SEO hilft, die Rollen einzuordnen: Die Position bei Google ist die Kennzahl, SEO die Arbeit, sie zu verbessern. Bei der KI läuft es ähnlich, nur mit einer neueren und weniger standardisierten Kennzahl, und mit zwei Disziplin-Namen, die je nach Autor mal synonym verwendet werden und mal nicht.

Googles offizielle Dokumentation zu den KI-Funktionen der Suche bestätigt einen wichtigen Punkt: Es gibt keine zusätzlichen technischen Anforderungen, um in einem AI Overview zu erscheinen, über die bekannten SEO-Grundlagen hinaus, also Crawling zulassen, qualitativ hochwertige Inhalte bieten und eine solide technische Basis haben. Das bedeutet: Die klassische organische Suche und die Sichtbarkeit in KI-Antworten stehen sich nicht als Konkurrenten gegenüber, sie teilen sich einen Großteil ihrer technischen Grundlage.

Es ist außerdem ein noch junges Feld. Das SEO brauchte Jahre, bis sich Agenturen, Werkzeuge und Suchmaschinen auf ein gemeinsames Vokabular einigten; etwas Ähnliches passiert gerade bei der Messung von Sichtbarkeit in KI-Antworten. Es ist realistisch zu erwarten, dass sich Begriffe und Kennzahlen mit der Zeit setzen, das heißt aber nicht, dass es heute schon einen Konsens gibt.

• Stelle dieselbe Frage mehrfach, etwa fünf bis zehn Mal, in jedem Modell, bevor du Schlüsse ziehst: Eine einzelne Antwort ist nicht repräsentativ, weil das Ergebnis nicht immer gleich ausfällt.
• Nutze Fragen, die ein echter Kunde stellen würde, nicht nur den bloßen Markennamen: "beste Software für X im Mittelstand" liefert andere Erkenntnisse als "was ist [Marke]".
• Erfasse zu jeder Antwort drei Angaben statt nur einer: ob die Marke vorkommt, an welcher Stelle im Text und ob ein Link zur Website enthalten ist.
• Prüfe mehrere KI-Modelle einzeln statt nur eines; eine gute Präsenz bei ChatGPT sagt nichts über Perplexity oder Gemini aus.
• Wiederhole die Messung über die Zeit mit derselben Methodik, um die Marke mit sich selbst zu vergleichen, nicht mit der Zahl eines anderen Anbieters.
• Halte die technische SEO-Grundlage gesund (Crawling, Indexierung, überprüfbare Inhalte), denn sie bleibt Voraussetzung dafür, überhaupt in einer generierten Antwort zu erscheinen.

• Einen AI-Visibility-Prozentwert eines Anbieters mit dem eines anderen vergleichen, als wären es dieselbe Einheit, obwohl jeder etwas anderes zählt.
• Aus einer einzigen Modellabfrage einen endgültigen Schluss ziehen, obwohl dieselbe Frage bei Wiederholung ein anderes Ergebnis liefern kann.
• AI Visibility und GEO oder AEO als austauschbare Synonyme behandeln, obwohl eines die Messung ist und die anderen die Optimierungsarbeit.
• Annehmen, gute Sichtbarkeit in KI-Antworten mache technisches SEO überflüssig, obwohl Googles eigene Dokumentation genau das Gegenteil nahelegt.
• Einen AI-Visibility-Wert als offizielle, zwischen Marken vergleichbare Zahl präsentieren, ohne die dahinterliegende Methodik zu nennen.