Einen KI-Sichtbarkeits-Bericht richtig lesen

Ein Scan läuft durch, ein Bericht erscheint, und fast alle suchen als Erstes den Score. Sie entscheiden, ob er gut oder schlecht ist, und schließen den Tab. Es ist das Unnützeste, was man mit diesem Bericht anfangen kann.

Im Folgenden steht, wie ein Scan wirklich arbeitet: was zwischen dem Moment geschieht, in dem Sie eine Website hinzufügen, und dem Moment, in dem eine Zahl im Dashboard steht, was das Ergebnis enthält und wofür es ehrlicherweise taugt. Dies ist der einzige Beitrag in diesem Blog, der offen über das Produkt spricht, also auch der, der am sorgfältigsten sein muss. Eine Messung, die Sie nicht verstehen, ist eine Messung, die Sie nicht bestreiten können, und diese hier sollten Sie bestreiten können.

Der Ablauf, Schritt für Schritt

Sie legen Website und Märkte fest

Sie geben dem System eine Domain und nennen ihm die Sprachen und Märkte, in denen Sie tatsächlich verkaufen. Das klingt banal und ist der Schritt, der am häufigsten misslingt: Man führt die Märkte auf, in denen man eine Website hat, statt die Märkte, in denen man Umsatz hat. Das sind zwei verschiedene Listen, und der Abstand zwischen ihnen gehört zu dem Interessantesten, was ein Scan später zutage fördert.

Für die Website wird ein Prompt-Set erzeugt

Die Prompts entstehen automatisch, je Website, aus dem, was die Website über ihre Tätigkeit sagt. Es geht nicht darum zu fragen, wer eine bestimmte Marke ist. Zu einer Marke, deren Namen man ihm nennt, findet ein Modell immer etwas zu sagen. Ein Prompt mit Ihrem Namen darin misst deshalb vor allem, ob es Sie gibt, nicht, ob Sie empfohlen werden.

Die Prompts, auf die es ankommt, sind jene, die ein Einkäufer stellt, bevor er von Ihnen weiß. Wer liefert diese Kategorie in Europa. Was ist die beste Option für ein Unternehmen dieser Größe. Vergleiche die führenden Anbieter für dieses Problem. In solchen Antworten ist Platz für eine Handvoll Namen: Entweder Sie sind einer davon oder nicht. Genau das wird gemessen.

Die Prompts laufen über vier Plattformen

ChatGPT, Claude, Gemini und Perplexity, in jeder Ihrer Sprachen. Vier, nicht eine, weil sie sich nicht gleich verhalten. Perplexity ruft lebende Seiten ab und zitiert sie. Die anderen stützen sich stärker auf das, was sie im Training aufgenommen haben, und das heißt: Sie können Sie flüssig beschreiben, ohne je auf Sie zu verlinken, oder eine reichlich veraltete Fassung von Ihnen wiedergeben. Eine Marke kann in der einen präsent und in der anderen unsichtbar sein, und diesen Unterschied wegzumitteln hieße, den einzigen brauchbaren Teil zu verdecken.

Die Antworten werden gelesen, nicht nur gezählt

Jede Antwort wird daraufhin ausgewertet, was sie über Sie und über alle anderen darin sagt: ob Sie überhaupt vorkommen, wie Sie beschrieben werden, welche Quellen zitiert werden und welche Wettbewerber neben Ihnen oder an Ihrer Stelle genannt sind. Diese Wettbewerberliste stammt aus den Antworten selbst und nicht aus einer Liste, die Sie liefern. Das ist wesentlich: Modelle gruppieren Marken danach, wie das Web über sie spricht, nicht danach, wie Ihre Marktlandkarte gezeichnet ist.

Der Wert wird je Sprache und je Markt berechnet

Kein globaler Wert. Einer je Sprache und Markt, denn Sichtbarkeit reist nicht. Eine Marke kann auf Deutsch selbstverständlich empfohlen werden und aus der wortgleichen Frage auf Französisch verschwinden, aus dem unspektakulären Grund, dass das französischsprachige Web weniger über sie hergibt. Eine einzige globale Zahl würde diese beiden Tatsachen zu einem Wert mitteln, der keine von beiden beschreibt.

Warum die Scans geplant laufen, und warum das richtig ist

Die Scans laufen nach Plan: zweimal im Monat. Wir erklären das lieber, als Sie annehmen zu lassen, es sei eine Beschränkung, die wir bloß noch nicht beseitigt haben.

Die Stellung einer Marke in diesen Modellen bewegt sich langsam. Sie ändert sich, wenn sich das Web ändert: wenn Dokumentation erscheint, wenn ein Vergleichsartikel geschrieben wird, wenn ein Forenverlauf Antworten ansammelt, wenn ein Modell neu trainiert wird oder sein Abrufindex sich auffrischt. Nichts davon passiert an einem Dienstagnachmittag. Zugleich bleiben die Modelle probabilistisch: Stellen Sie dieselbe Frage zweimal in derselben Stunde, und Sie können zwei verschiedene Anbieterlisten erhalten, ohne dass sich darunter irgendetwas verändert hätte.

Legt man beides übereinander, erzeugt fortlaufende Überwachung vor allem Rauschen. Sie würden eine Linie zittern sehen, das Zittern Ihren eigenen Maßnahmen zuschreiben und auf ein Signal reagieren, das es nie gab. Ein fester Rhythmus, über viele Prompts wiederholt, verwandelt einzelne Antworten in ein lesbares Muster. Echtzeit wäre ein Werbeversprechen: hübscher auf einer Funktionsliste und ärmer an Erkenntnis.

Was der Bericht tatsächlich enthält

Präsenz. Ob Sie in den Antworten auf jene Fragen überhaupt vorkommen, die Ihre Einkäufer plausibel stellen würden.
Erwähnungen. Wo Sie vorkommen und in welchen Worten. Als Option genannt zu werden und beiläufig am Ende genannt zu werden sind beides Erwähnungen und doch nicht dasselbe.
Zitate und Quellen. Auf welche Seiten sich die Modelle gestützt haben. Manchmal auf Ihre Domain. Häufiger auf die eines anderen.
Wettbewerber, die an Ihrer Stelle genannt werden. Die Marken, die den Platz besetzen, den Sie wollten, Markt für Markt.
Vergleich über Sprachen und Märkte. Dasselbe Prompt-Set, dieselben Plattformen, andere Antworten.
Die Exportlücke. Die Märkte, in denen Sie verkaufen oder verkaufen wollen, gegen die Märkte gestellt, in denen eine KI Sie tatsächlich nennt. Diese beiden Karten decken sich selten so sauber, wie man erwartet.
Verlauf über die Zeit. Wie sich jeder Markt von Scan zu Scan bewegt. Es ist die einzige Ansicht, in der eine einzelne Zahl anfängt, etwas zu bedeuten.

Wie Sie den ersten Bericht lesen

Nicht als Zeugnis. Als Karte, die zeigt, wo zu suchen ist.

Beim ersten Anblick ist der Score das Uninformativste auf der Seite, aus einem einfachen Grund: Ihnen fehlt der Vergleichspunkt. Ein Wert ist eine Ausgangsmarke, bevor er ein Urteil ist, und er beginnt erst beim zweiten Lesen zu arbeiten.

Der wirklich brauchbare Ertrag eines ersten Scans ist die Liste der Quellen, aus denen die Modelle schöpfen, wenn sie über Ihre Kategorie sprechen. Diese Liste beschreibt, wo in Ihrem Markt derzeit Autorität sitzt, so wie die Maschinen es verstehen. Sie enthält einige erwartete Namen und meist mehrere, mit denen Sie nicht gerechnet haben: ein Fachmedium, das Sie übersehen, ein Vergleichsportal, bei dem Sie sich nie gemeldet haben, ein Forum, in dem Leute über Ihr Produkt streiten, die nie mit Ihnen gesprochen haben, die Dokumentation eines Wettbewerbers, zitiert zur Erklärung eines Problems, das Sie ebenfalls lösen. Es ist keine Aufgabenliste, die ein Werkzeug Ihnen überreicht. Es sind Hinweise, und was Sie daraus machen, ist eine unternehmerische Entscheidung.

Der zweitnützlichste Ertrag ist die Wettbewerberliste: Sie zeigt, mit wem die Modelle Sie für vergleichbar halten. Der dritte ist der Abstand zwischen Heimatmarkt und Exportmärkten, in aller Regel größer, als irgendjemand im Raum zu hören bereit ist, und der eine Befund, der Pläne verlässlich verändert.

Was es nicht tut, klar gesagt

PSentry misst. Es optimiert nicht, und es manipuliert nicht, was die Modelle ausgeben. In diesen Systemen gibt es keinen Hebel, den ein Anbieter für Sie umlegen könnte, kein Anmeldeformular, keinen Ranking-Faktor zum Nachjustieren, und wer Ihnen etwas anderes erzählt, verkauft Ihnen etwas, das er nicht liefern kann. Es verspricht keine Ergebnisse, weil Ergebnisse nicht in seiner Macht stehen.

Was Sie bekommen, ist schmaler und ehrlicher: ein wiederholtes Bild, Markt für Markt, davon, was vier KI-Systeme sagen, wenn jemand nach Ihrer Kategorie fragt, ohne Ihren Namen zu nennen. Ob das etwas wert ist, hängt davon ab, ob Sie bereit sind, danach zu handeln. Das Werkzeug sagt Ihnen, wo Sie stehen. Bewegen kann es Sie nicht.

Es gibt eine öffentliche API und einen CSV-Export, aus einem unglamourösen Grund: Die Daten gehören Ihnen, Sie können sie in Ihr eigenes Reporting ziehen oder gehen und Ihre Historie mitnehmen. Sehen Sie sich PSentry an und beurteilen Sie es nach dem, was es zu sein beansprucht. Anders lässt sich kein Werkzeug zur Beobachtung der KI-Sichtbarkeit sinnvoll bewerten.

Häufig gestellte Fragen

Mein Wert ist zwischen zwei Scans gefallen. Habe ich etwas falsch gemacht?

Vermutlich nicht. Die Ausgaben der Modelle schwanken von Lauf zu Lauf, eine kleine Bewegung in die eine oder andere Richtung kann also probabilistische Drift sein und kein echter Positionswechsel. Genau deshalb bedeutet ein Verlauf über mehrere Scans etwas, während ein einzelner Unterschied zwischen zweien meist nichts bedeutet. Achten Sie auf eine Richtung, die über die Zeit hält, nicht auf eine Geschichte, die den Ausschlag erklärt.

Warum nicht öfter scannen, wenn ein Scan nur ein API-Aufruf ist?

Weil häufigeres Messen das Signal nicht verbessert. Das Gemessene bewegt sich im Takt des sich verändernden Webs und neu trainierter Modelle, nicht im Takt einer Dashboard-Aktualisierung. Eine träge, verrauschte Größe öfter abzutasten liefert mehr Rauschen, nicht mehr Erkenntnis.

Was, wenn der Bericht sagt, ich sei überall unsichtbar?

Dann wissen Sie etwas, das die meisten Unternehmen in Ihrer Lage überhaupt nicht wissen, und Sie wissen es, bevor es Sie einen Markt kostet. Abwesenheit ist ein Befund, kein Versagen der Messung. Die Quellenliste aus demselben Scan ist der Punkt, an dem Sie ansetzen würden.

Bedeutet eine Nennung, dass ich Besucher bekomme?

Nein, und beides sollte im Kopf getrennt bleiben. Ein Modell kann Ihr Produkt zutreffend beschreiben und Ihnen niemanden schicken, und es kann Ihnen einen Einkäufer schicken, der nirgends geklickt hat. Genau darum kann ein Analyse-Werkzeug diese Frage nicht beantworten, und genau darum muss die Messung in den Antworten selbst stattfinden.

Ersetzt das unser SEO-Reporting?

Nein. Es ist eine zweite Anzeigetafel, die das Vorkommen in generierten Antworten misst statt der Platzierung in einer Linkliste. Beide teilen sich das Fundament, weil beide davon abhängen, was überhaupt crawlbar ist, aber es sind nicht dieselben Messungen, und die eine ersetzt die andere nicht.