12.000+ Marken verfolgen & gewinnen KI-Suche mit GEOly
Von Anker SOLIX bis xTool — die oben genannten Marken sehen bereits, wie ChatGPT, Gemini und Perplexity sie erwähnen, zitieren und empfehlen. Ihre Marke wird gerade in der KI diskutiert. Sehen Sie es.
Kostenlos starten · Keine Kreditkarte erforderlich
AI-Suchsichtbarkeitsmetriken und KPIs: Leitfaden 2026 | GEOly | GEO-Datenplattform für DTC-Marken
AI-Suchsichtbarkeitsmetriken und KPIs: Der Leitfaden für 2026
Zusammenfassung
Sieben KPIs – Nennungsrate, Share of Model, Zitierungsquellen, Antwortposition, Sentiment, Share of Card und AI-Referral-Traffic – decken alles ab, was in der AI-Suche messenswert ist, und die meisten Teams benötigen nur drei davon, um zu starten.
2026/07/05
9 Min. Lesezeit
Aktualisiert 2026/07/13
Die Sichtbarkeitsmetriken für die KI-Suche lassen sich in drei Ebenen unterteilen: Präsenz (erwähnt die KI Sie?), Qualität (werden Sie zitiert, wie früh und wie genau?) und geschäftliche Auswirkungen (erscheinen Sie im Einkaufsregal, und führt dies zu Traffic und Umsatz?). Sieben KPIs decken diese Ebenen ab — Erwähnungsrate, Share of Model, Zitationsrate und Zitationsquellen, durchschnittliche Antwortposition, Sentiment und Genauigkeit, Share of Card und KI-vermittelter Traffic. Wenn Sie nur drei messen können, beginnen Sie mit der Erwähnungsrate auf Basis eines festen Satzes von Prompts, den wichtigsten Zitationsquellen Ihrer Kategorie und den Zahlen eines namentlich genannten Wettbewerbers im Vergleich zu Ihren eigenen.
Wichtige Erkenntnisse
Sieben Metriken decken die Messung der KI-Suche von Anfang bis Ende ab: KI-Sichtbarkeitsrate (Erwähnungsrate), Share of Model, Zitationsrate und Zitationsquellen, durchschnittliche Antwortposition, Sentiment und Genauigkeit, Share of Card und KI-vermittelter Traffic.
Share of Model ist das, was der Marktanteil in der KI-Suche am nächsten kommt: Ihr Prozentsatz aller Markenerwähnungen in KI-Antworten über einen festen Satz von Prompts im Vergleich zu Wettbewerbern.
Zitationsquellen sind der wichtigste Frühindikator mit hohem Hebel. KI-Engines greifen auf eine kleine, identifizierbare Menge von Domains pro Kategorie zurück, und Sie können systematisch Präsenz auf dieser Liste erlangen.
Der durch KI vermittelte Traffic zu US-Einzelhandelsseiten stieg laut Adobe im Mai 2026 im Jahresvergleich um 138 % — dieser Kanal generiert nun echte Umsätze, sodass auch nachgelagerte Umsatz-KPIs auf die Agenda gehören.
Universelle Benchmarks ("eine gute Erwähnungsrate beträgt X%") sind im Jahr 2026 größtenteils irrelevant. Vergleichen Sie sich stattdessen mit namentlich genannten Wettbewerbern in Ihrer eigenen Kategorie.
Warum die KI-Suche ihre eigene Bewertungsgrundlage benötigt
Das Publikum hat den ersten Schritt gemacht. ChatGPT erreichte im Oktober 2025 800 Millionen wöchentliche Nutzer, und Googles AI Overviews erreichen mehr als 2 Milliarden Menschen pro Monat. Nichts von dieser Aktivität erscheint in einem Ranking-Tracker, da es nichts zu ranken gibt: Eine KI-Engine synthetisiert eine Antwort, fügt einige wenige Zitate hinzu und — bei Shopping-Anfragen — zeigt ein Regal mit Produktkarten an. Drei verschiedene Oberflächen, drei verschiedene Messprobleme.
Es gibt einen zweiten, weniger offensichtlichen Grund: Varianz. Stellen Sie ChatGPT fünfmal dieselbe Frage, und Sie können fünf unterschiedlich formulierte Antworten mit unterschiedlichen Marken erhalten. Eine fundierte Messung muss stichprobenartig und probabilistisch erfolgen. Sie führen einen festen Satz von Prompts wiederholt und nach einem Zeitplan aus und berichten über Raten und Trends — nicht über ein binäres "wir erscheinen" einmalig in einem Browser-Tab.
A brand's AI visibility scoreboard in GEOly Explore: AI visibility score, estimated monthly AI traffic and AI revenue, total mentions, and how AI describes the brand — Source: GEOly AI (app.geoly.ai)
Die sieben Metriken zur Sichtbarkeit in der KI-Suche, definiert
1. KI-Sichtbarkeitsrate (Erwähnungsrate)
Der Prozentsatz der verfolgten Prompts, bei denen Ihre Marke irgendwo in der KI-Antwort erscheint. Dies ist die Basis-Metrik — jeder andere KPI in diesem Leitfaden wird auf Grundlage derselben Prompt-Läufe berechnet.
Drei Entscheidungen machen sie aussagekräftig. Erstens, der Prompt-Satz: 50–200 kaufabsichtsorientierte Prompts, formuliert wie Kunden tatsächlich fragen ("bester kabelloser Staubsauger für Tierhaare unter 300 €"), nicht wie Sie Keywords schreiben. Zweitens, Fan-out-Abdeckung: Engines wie Gemini und ChatGPT zerlegen einen Prompt stillschweigend in mehrere Unterabfragen, und Sie können genau in der Unterabfrage unsichtbar sein, die die Antwort bestimmt. Drittens, Aufteilung nach Engine: Ihre Erwähnungsrate auf Perplexity sagt nichts über Gemini aus. Für die Mechanik siehe unseren Leitfaden zu Markenerwähnungen in der KI-Suche verfolgen.
2. Share of Model
Ihr Anteil an allen Markenerwähnungen über Ihren verfolgten Prompt-Satz im Vergleich zu Wettbewerbern — Share of Voice, neu definiert für KI-Antworten. Wenn Engines Marken 1.000 Mal in Ihren Kategorie-Prompts erwähnen und 180 dieser Erwähnungen Ihre sind, beträgt Ihr Share of Model 18 %.
Dies ist der KPI für die monatliche Präsentation, da er zwei Probleme korrigiert, die rohe Erwähnungsraten plagen: kategorieweite Schwankungen (ein Modell-Update, das mehr Marken nennt, hebt alle) und falsche Sicherheit (Ihre Erwähnungsrate steigt, während die eines Wettbewerbers schneller steigt). Bewegungen im Share of Model sind fast immer echte Signale.
Share of Model in practice: a competitive peers battleboard comparing visibility scores and topic-level wins across Cartier, Mejuri, Blue Nile and other jewelry brands — Source: GEOly AI (app.geoly.ai)
3. Zitationsrate und Zitationsquellen
Zwei verwandte Zahlen. Zitationsrate: Wie oft Ihre eigene Domain als verlinkte Quelle in KI-Antworten erscheint. Analyse der Zitationsquellen: Welche Drittanbieter-Domains — Reddit-Threads, Bewertungsseiten, Publisher, YouTube — die Engines zitieren, wenn sie die Prompts Ihrer Kategorie beantworten.
Die zweite ist die umsetzbarere der beiden. Wie Jake Ward argumentiert, ist das Ziel in der KI-Suche, zitiert zu werden, nicht geklickt: Wenn die Engines, die die Fragen Ihrer Käufer beantworten, konsequent fünf Bewertungsseiten und zwei Reddit-Communities zitieren, ist diese Liste Ihre Roadmap für Earned Media. Der Anteil an Zitationsquellen ist der beste Frühindikator im gesamten Stack, da er derjenige ist, den Sie direkt in diesem Quartal beeinflussen können.
4. Durchschnittliche Antwortposition
Wo Sie in der Antwort erscheinen — als erste genannte Marke, dritte oder als Fußnote. Die erste Position hat überproportionales Gewicht: In Sprachschnittstellen und Agenten-Workflows ist die erste Empfehlung oft die einzige, die umgesetzt wird.
Ein Vorbehalt: Die Position ist schwankungsanfälliger als die Erwähnungsrate, da sich die Struktur der Antworten von Lauf zu Lauf ändert. Verfolgen Sie sie als gleitenden Durchschnitt über Dutzende von Läufen und behandeln Sie wöchentliche Sprünge mit Vorsicht.
5. Sentiment und Genauigkeit der KI-Beschreibungen
Was die KI tatsächlich über Sie sagt, wenn sie Sie erwähnt. Zwei Komponenten: Sentiment (begeistert empfohlen, neutral aufgeführt oder mit Vorbehalten versehen) und faktische Genauigkeit (nennt sie Ihre aktuellen Preise, Funktionen und Positionierung oder eine halluzinierte Version aus dem Jahr 2023?).
Behandeln Sie dies als QA-Metrik: Prozentsatz der Erwähnungen, die einen faktischen Fehler enthalten, plus ein Sentiment-Trend. Eine Marke, die oft erwähnt, aber falsch beschrieben wird, hat ein anderes Problem — und eine andere Lösung — als eine Marke, die überhaupt nicht erwähnt wird.
6. Share of Card (Präsenz im KI-Einkaufsregal)
Für Handelsmarken ist das Regal der Ort, an dem das Geld verdient wird. ChatGPT Shopping und Google AI Mode schreiben nicht nur über Produkte; sie erstellen Produktkarten – Bild, Preis, Händler –, auf die ein Agent reagieren kann. Share of Card ist der Prozentsatz relevanter Shopping-Prompts, bei denen Ihr Produkt auf diesem Regal erscheint, und es verhält sich anders als Textnennungen: Es hängt von der Feed-Qualität, strukturierten Daten und Händleraufzeichnungen ab, nicht nur vom Inhalt. Wir haben eine vollständige Aufschlüsselung von der Metrik Share of Card und ein Playbook für den Erfolg im KI-Regal.
Share of Card metrics for one brand: AI-recommended products, share of shopping, distinct products and top channels on the AI shopping shelf — Source: GEOly AI (app.geoly.ai)
7. KI-Referral-Traffic und unterstützter Umsatz
Das nachgelagerte Ergebnis: Sitzungen, Conversions und Umsätze, die von chatgpt.com, perplexity.ai, gemini.google.com und AI Overview-Klicks stammen. Der Kanal ist kein vernachlässigbarer Faktor mehr – Daten von Adobe zeigen, dass der durch KI vermittelte Traffic auf US-Einzelhandelsseiten im Mai 2026 um 138 % im Jahresvergleich gestiegen ist, ein Anstieg von über 1.300 % seit Beginn der Adobe-Tracking-Daten im Oktober 2024.
Messen Sie dies in GA4 mit einer benutzerdefinierten Kanalgruppe für KI-Referrer – aber beachten Sie den Zero-Click-Vorbehalt: Viele KI-Antworten beeinflussen einen Kauf, ohne einen Klick zu erzeugen, sodass der Referral-Traffic nur die Untergrenze des Einflusses darstellt, nicht die Gesamtauswirkung.
Führende vs. nachgelagerte KPIs: Die Kennzahlen in die richtige Reihenfolge bringen
Ein praktikabler Arbeitsrhythmus teilt den Stack in drei Bereiche auf:
Führende, wöchentlich überprüft: Zitationsquellen-Fußabdruck (Ihre Präsenz auf den Domains, die von KI in Ihrer Kategorie zitiert werden), Prompt-Abdeckung und abgeschlossene Arbeiten – veröffentlichte Inhalte, korrigierte Feeds, implementierte Schemas.
Kernsichtbarkeit, wöchentlich bis monatlich überprüft: Nennungsrate, Share of Model, durchschnittliche Antwortposition, Sentiment und Genauigkeit, Share of Card.
Nachgelagerte, monatlich bis vierteljährlich überprüft: KI-Referral-Traffic, unterstützte Conversions, Umsatz.
Zu Benchmarks: Widerstehen Sie der Versuchung. Öffentliche Zahlen zur „durchschnittlichen Nennungsrate“ variieren stark je nach Kategorie, Prompt-Set-Design und Engine-Mix, und das Feld ist noch zu jung für stabile Normen. Der ehrliche Benchmark für 2026 ist ein benannter Wettbewerber: Verfolgen Sie die drei Marken, gegen die Sie tatsächlich Geschäfte verlieren, und schlagen Sie deren Trendlinie. Mehr über die Disziplin dahinter finden Sie unter unserem Tag KI-Sichtbarkeit.
Industry-level AI search data for the US jewelry category: 41 topics, 1,551 tracked brands, monthly AI traffic and estimated AI revenue, plus the competitive landscape ranked by Share of Model — Source: GEOly AI (app.geoly.ai)
Das minimal notwendige KPI-Set, je nach Teamreife
Eine Person, kein Budget: Drei Zahlen, wöchentlich. Nennungsrate bei 25–50 kaufabsichtlichen Prompts über zwei Engines (ChatGPT plus diejenige, die Ihre Käufer als nächstes verwenden), die zehn wichtigsten Zitationsquellen-Domains Ihrer Kategorie und die Nennungsrate eines benannten Wettbewerbers im Vergleich zu Ihrer. Das ist ein vollständiges, entscheidungsrelevantes Scoreboard, und es ist das Setup, das ich jeder Marke empfehle, die gerade erst anfängt.
Ein etabliertes SEO- oder Content-Team: Fügen Sie Share of Model über Ihr gesamtes Wettbewerbsumfeld hinzu, ein monatliches Sentiment- und Genauigkeits-Audit, die durchschnittliche Antwortposition und eine KI-Referral-Kanalgruppe in GA4. An diesem Punkt erhält GEO eine eigene Zeile in den Berichten, anstatt sich in „organisch“ zu verstecken.
Eine Handelsmarke oder eine, die bereits gut rankt: Fügen Sie Share of Card, Engine-spezifische Aufschlüsselungen (Gemini verhält sich sehr anders als ChatGPT), Fan-out-Prompt-Abdeckung und Umsatzzuordnung für KI-Referrer hinzu. In diesem Stadium sind die interessanten Fragen Regalfragen.
Wie man all das umsetzt
Drei ehrliche Optionen. Tabellenkalkulationen plus manuelles Prompting funktionieren eine Woche lang und brechen dann zusammen – keine Stichproben, keine Fan-out-Sichtbarkeit, keine konsistente Bewertung. Allgemeine SEO-Suiten wie Semrush und Ahrefs bieten jetzt KI-Sichtbarkeitsmodule an, praktisch, wenn Sie sie bereits nutzen, obwohl die Abdeckung des Shopping-Regals dünn ist. Dedizierte GEO-Plattformen verfolgen den gesamten Stack kontinuierlich; Hinweis: GEOly ist unser Produkt, es ist kostenlos zu starten und deckt alle sieben oben genannten Metriken ab, einschließlich Share of Card, die von allgemeinen Tools meist nicht abgedeckt wird. Für einen fairen Vergleich des Marktes sehen Sie sich unsere Übersicht der besten KI-Suchüberwachungstools.
FAQ
Welche KPIs sollte ich für die KI-Suche verfolgen?
Verfolgen Sie sieben: KI-Sichtbarkeitsrate (Nennungsrate), Share of Model, Zitationsrate und Zitationsquellen, durchschnittliche Antwortposition, Sentiment und Genauigkeit der KI-Beschreibungen, Share of Card, wenn Sie Produkte verkaufen, und KI-Referral-Traffic. Wenn Sie bei null anfangen, reichen drei aus: Nennungsrate, Zitationsquellen und ein Wettbewerbs-Benchmark.
Wie misst man die Sichtbarkeit in der KI-Suche?
Definieren Sie einen festen Satz von 50–200 kaufabsichtlichen Prompts, führen Sie diese regelmäßig über die für Sie relevanten Engines aus (ChatGPT, Gemini, Perplexity, Google AI Overviews) und zeichnen Sie auf, ob Ihre Marke erwähnt oder zitiert wird, an welcher Position und mit welchem Sentiment. Da KI-Antworten von Lauf zu Lauf variieren, berichten Sie über Raten aus vielen Läufen anstelle von Einzelprüfungen. Plattformen wie GEOly automatisieren die Stichproben und Bewertungen.
Was ist Share of Model?
Share of Model ist Ihr Prozentsatz aller Markennennungen in KI-Antworten über ein verfolgtes Prompt-Set – das KI-Suchäquivalent zum Share of Voice. Wenn Engines Marken 1.000 Mal über Ihre Kategorie-Prompts hinweg nennen und 180 dieser Nennungen Ihre sind, beträgt Ihr Share of Model 18 %. Es normalisiert kategorieweite Schwankungen, was es zur besten Einzel-KPI für die Wettbewerbsposition macht.
Gibt es ein Keyword-Ranking-Äquivalent in der KI-Suche?
Das nächstgelegene Äquivalent ist die durchschnittliche Antwortposition – wo Ihre Marke innerhalb der synthetisierten Antwort oder Empfehlungsliste erscheint. Es ist ungenauer als ein SERP-Rang, da Antworten jedes Mal neu generiert werden. Behandeln Sie es daher als gleitenden Durchschnitt und stützen Sie sich auf Nennungsrate und Share of Model als Ihre primären Präsenzmetriken.
Kann Google Analytics die Sichtbarkeit in der KI-Suche messen?
Nur den letzten Schritt. GA4 kann KI-Referral-Traffic erfassen – Sitzungen von chatgpt.com, perplexity.ai und ähnlichen Referrern – über eine benutzerdefinierte Kanalgruppe, aber es sieht nichts über die Antworten selbst: keine Nennungen, keine Zitationen, keine Regalpräsenz und keinen Zero-Click-Einfluss. Kombinieren Sie GA4 mit Prompt-Level-Tracking, um den gesamten Funnel zu sehen.
