KI-Sichtbarkeit messen: Nennungen, Empfehlungen und Quellen unterscheiden

Zuletzt aktualisiert: 25. Oktober 2026

Wenn ich untersuche, wie ein Unternehmen in KI-Antworten vorkommt, muss ich zunächst wissen, welche Frage damit beantwortet werden soll. Geht es darum, ob der KI-Chatbot den Firmennamen überhaupt kennt? Soll er das Unternehmen bei einer offenen Anbietersuche empfehlen? Oder interessiert uns, ob die eigene Website technisch als Quelle herangezogen und verlinkt wird? Diese Ergebnisse können zusammen auftreten, müssen es aber nicht. Wer sie in einer einzigen Sichtbarkeitszahl zusammenfasst, kann später kaum noch erklären, was sich in den Antworten eigentlich verändert hat.

In meinen Erhebungen für den Lübecker KI-Monitor arbeite ich deshalb mit festgelegten Fragen und getrennten Auswertungsgrößen. Die Antworten speichere ich vollständig, damit sich eine Prozentzahl immer auf die tatsächlich beobachteten Ausgaben zurückführen lässt. Was soll ich aber messen, wenn ein Name zwar zuverlässig auftaucht, die Gesamtliste der Empfehlungen jedoch wechselt oder eine Website zwar technisch herangezogen, aber nicht verlinkt wird? Das lässt sich aufschlüsseln, auch wenn dabei zu einem späteren Zeitpunkt andere Antworten entstehen.

Was eine Nennung von einer Empfehlung oder Quelle unterscheidet

Für einen ersten Vergleich trenne ich fünf Beobachtungen, die in der Praxis oft verwechselt werden. Der australische SEO-Experte Dan Petrovic hat diese Unterscheidung von verarbeiteter Quelle, Zitat und reiner Nennung konzeptionell gut auf den Punkt gebracht:

Ein Unternehmen kann genannt werden, weil die Antwort ausdrücklich von ihm abrät. Eine Website kann als technische Quelle dienen, während im Antworttext schließlich ein ganz anderer Anbieter empfohlen wird. Deshalb setze ich eine Nennung nicht automatisch mit einer Empfehlung gleich und verbuche einen Link nicht ungeprüft als positive inhaltliche Darstellung.

Quellenabruf und sichtbares Zitat im Friseur-Pilot am 4. Oktober

Dass eine technisch herangezogene Quelle nicht zwingend als sichtbarer Link beim Nutzer ankommt, habe ich mir am 4. Oktober 2026 in einem kleinen Pilotdurchlauf genauer angesehen. Um 07:49 Uhr (Europe/Berlin) habe ich die Frage „Wer ist der beste Friseur in Lübeck?“ gestellt. Das geschah im ersten von drei Durchläufen über die Programmierschnittstelle (API) an das ChatGPT-Modell mit dem Alias chat-latest, ohne vorherigen Dialogverlauf und mit aktiviertem Suchzugriff auf den Standort Lübeck.

Über die API lässt sich in den Metadaten auslesen, welche konkreten Suchanfragen das System im Hintergrund abgesetzt und welche URLs es daraufhin konsultiert hat. Ein einziger dokumentierter Websuchaufruf enthielt in diesem Fall gleich drei Suchanfragen: unter anderem „beste Friseure Lübeck Bewertungen Friseur Treatwell Google“ und „Friseur Lübeck Bewertungen Planity“. Daraus ergab sich für die beiden Buchungsportale ein aufschlussreicher Unterschied:

Obwohl das Sprachmodell Treatwell in eine seiner Suchanfragen einbezog und anschließend Seiten des Portals in der API als herangezogene Informationsquelle auswies, erschien im fertigen Text kein einziger Treatwell-Link. Planity hingegen wurde herangezogen und erhielt zusätzlich ein sichtbares Zitat auf die Kategorieseite für Lübeck. Das zeigt an diesem konkreten Beispiel: Eine Markennennung des Portals in der Suchanfrage ist noch keine Empfehlung für einen Salon, und eine herangezogene Quelle führt nicht garantiert zu einem Zitat. Welche konkrete Textpassage das Modell intern wie stark gewichtet hat, verrät diese technische Liste der herangezogenen Quellen ohnehin nicht.

Warum eine einzelne Antwort bei KI-Suchen nicht genügt

Bei generativen Suchsystemen können sich Auswahl, Reihenfolge und Formulierung zwischen Wiederholungen ändern. Zu den möglichen Einflüssen gehören der Gesprächskontext, die verfügbaren Quellen, Produkteinstellungen und Veränderungen am System. Welche davon eine bestimmte Abweichung erklären, lässt sich aus der fertigen Antwort allein meistens nicht bestimmen.

SparkToro und Gumshoe untersuchten wiederholte Marken- und Produktempfehlungen und berichteten deutliche Unterschiede zwischen den Ausgaben. Die Veröffentlichung vom 27. Januar 2026 ist dafür ein empirischer Anhaltspunkt. Die dort beobachtete Schwankung ganzer Listen ist allerdings etwas anderes als die Wahrscheinlichkeit, mit der ein bestimmtes Unternehmen erneut genannt wird.

Eine Position innerhalb einer Antwort lässt sich durchaus zählen, wenn ihre Bedeutung vorher festgelegt wurde. Für meine Bankenstudie war beispielsweise auch die Position einer Nennung interessant. Daraus entsteht jedoch kein allgemeines, dauerhaftes „ChatGPT-Ranking“ für das Unternehmen. Die Zahl gehört unverrückbar zu den untersuchten Fragen, Antworten und Bedingungen dieses einen Fragensets.

Stabile Nennungsverteilung in der Weltmarktführer-Studie

Wie sich die Nennung eines einzelnen Namens bei einer Wiederholung verhält, habe ich ebenfalls am 4. Oktober 2026 in meiner ChatGPT-Sichtbarkeitsstudie zu deutschen Weltmarktführern untersucht. Für 472 Unternehmen habe ich das Sprachmodell (wiederum chat-latest über die API mit verfügbarer Websuche) nach fünf weltweit führenden Anbietern des jeweiligen Marktsegments gefragt, wobei der Firmenname in der Frage selbst nicht vorkam. Für 100 vorab gezogene Unternehmen habe ich diese Messung am selben Tag wiederholt.

Das Ergebnis: 72 Unternehmen wurden in beiden Durchläufen genannt, 21 in keinem von beiden. Lediglich bei sieben Unternehmen unterschied sich das Ergebnis zwischen dem ersten und dem zweiten Versuch. Der Status – ob genannt oder nicht genannt – blieb unter diesen dokumentierten API-Bedingungen am selben Tag also bei 93 von 100 Unternehmen gleich. Das bedeutet ausdrücklich nicht, dass 93 Prozent der Firmen allgemein empfohlen wurden. Auch die nicht genannten Unternehmen bestätigen bei diesem Vergleich schließlich, dass das Modell bei derselben Frage zum selben Ergebnis kommt. Zugleich wechselten die Namen auf den ausgegebenen Fünferlisten stärker: Durchschnittlich blieben nur rund dreieinhalb von fünf Namen gleich. Abweichende Schreibweisen konnten bei diesem Namensvergleich als Unterschied zählen.

Insgesamt lag der Anteil genannter Firmen im Wiederholungslauf um 1,0 Prozentpunkte niedriger. Das statistische 95-Prozent-Intervall reichte dabei von minus 6,8 bis plus 4,7 Prozentpunkten. Dieser Bereich umfasst sowohl negative als auch positive Differenzen. Ein echter Unterschied zwischen Erst- und Zweitmessung lässt sich aus dieser Stichprobe also nicht belegen, eine völlige Gleichwertigkeit aber ebenso wenig. Die beobachtete Übereinstimmung kann folglich nicht unbesehen auf beliebige Fragen, andere Betriebe oder spätere Zeitpunkte übertragen werden, womit sich die Frage stellt: Wo genau messen wir eigentlich?

Unterschiede zwischen App und API-Messung

Für die Weltmarktführer-Studie habe ich zusätzlich 30 vorab gezogene Fragen manuell in der ChatGPT-App eingegeben (Denkaufwand Medium), um sie mit den API-Daten desselben Tages zu vergleichen. Bei 28 von 30 Fragen stimmte der Nennungsstatus überein: 22 Unternehmen wurden auf beiden Wegen genannt, sechs auf keinem, zwei jedoch nur über die API. Die App nannte in dieser Stichprobe insgesamt 22 Firmen, die API 24.

Die Differenz zwischen App und API lag bei minus 6,7 Prozentpunkten, mit einem weiten 95-Prozent-Intervall von minus 19,0 bis plus 5,1. Auch diese kleine Stichprobe belegt weder einen harten Unterschied noch eine garantierte Gleichwertigkeit, und sie ist nicht repräsentativ für alle realen Nutzer. Sie zeigt aber, dass App und API nicht zwingend identisch antworten. Kontext, App-Personalisierung oder abweichende Auslöser für eine Websuche können eine Rolle spielen. Eine Messung über die API liefert systematische, gut auswertbare Daten. Wer jedoch sichergehen will, was bei einer konkret dokumentierten Nutzung in der App tatsächlich am Bildschirm erscheint, für den bleibt eine manuelle Kontrolle als Ergänzung sinnvoll.

Fragen nach ihrem Zweck zusammenstellen

Eine direkte Firmenfrage gibt den Namen bereits vor. Eine offene Frage nach geeigneten Anbietern prüft dagegen, ob das Unternehmen ohne diese Vorgabe auftaucht. Beide Fragearten können sinnvoll sein, sollten in der Auswertung aber zwingend getrennt bleiben. Sonst treibt der vorgegebene Name aus der Markenfrage die gemeinsame Quote künstlich nach oben.

Dass diese Unterscheidung praktisch etwas verändert, zeigt meine Untersuchung zu Lübecks Hidden Champions. Dort habe ich direkte Unternehmensbeschreibungen und offene Fragen nach führenden Anbietern gegenübergestellt. Neben den Nennungen unterscheide ich die ausgegebenen Quellen und den Umgang mit Websuche. Die Ergebnisse gelten nur für dieses untersuchte Set und sind keine Schätzung sämtlicher realer Nutzerfragen.

Für ein eigenes Fragenset würde ich deshalb zuerst die konkreten Aufgaben sammeln: Welche Leistung wird gesucht, für welchen Einsatz, mit welchen Anforderungen und gegebenenfalls an welchem Ort? Varianten ergänze ich dort, wo sich die Frage inhaltlich verändert. Eine große Zahl beinahe identischer Formulierungen schafft noch keine breite inhaltliche Abdeckung.

Transparente Nenner für Nennungs- und Empfehlungsquoten

Die Nennungsquote ist der Anteil der ausgewerteten Antworten, in denen das Unternehmen nach der vorher festgelegten Regel vorkommt. Wird es beispielsweise in 12 von 30 Antworten genannt, beträgt die Quote 40 Prozent. Mehrere Nennungen innerhalb derselben Antwort zählen bei dieser Kennzahl nur einmal. Die Frage, wie oft der Name insgesamt im Text steht, wäre eine völlig andere Zählung.

Um eine saubere Empfehlungsquote zu bilden, zähle ich nur Antworten mit einer ausdrücklich positiven Empfehlung im Zähler und teile sie durch alle ausgewerteten Antworten des jeweiligen Fragensets, getrennt nach KI-Chatbot und Bedingung. Neutrale Nennungen oder Fälle, in denen der KI-Chatbot abrät, zähle ich gesondert. Wichtig ist dabei der korrekte Nenner: Fällt das System bei einer Frage aus oder verweigert es die Antwort, muss dieser Fall transparent als Ausfall protokolliert werden. Ebenso muss bei Quellenverweisen klar sein, ob alle Antworten oder nur die Durchläufe mit tatsächlich genutzter Websuche (nicht bloß aktiviertem Suchzugriff) die Bezugsgröße bilden. Wechselt dieser Nenner im Zeitvergleich stillschweigend, wird die Quote wertlos.

Mit dem Nennungs- und Zitatrechner im KI-Suche Wiki kannst du solche Summen berechnen. Der Rechner beurteilt allerdings nicht, ob dein Fragenset repräsentativ ist oder welche Abhängigkeiten zwischen den Antworten bestehen. Die Methodik des Lübecker KI-Monitors beschreibt, wie ich Beobachtungseinheiten, Wiederholungen und Cluster in meinen Erhebungen behandle.

In vier Schritten dokumentieren und auswerten

Wer seine eigene Sichtbarkeit fortlaufend prüfen möchte, braucht dafür kein komplexes Messdesign und keine teure Spezialsoftware. Eine saubere Tabelle und eine konsequente Arbeitsweise genügen. Ich gehe dabei in vier Schritten vor:

1. Ziel und Fragetypen festlegen: Sollen offene Empfehlungen, Markennennungen oder Zitate gemessen werden? Diese Kategorien bekommen eigene Tabellenspalten.
2. Wortlaut und Regeln festhalten: Die genauen Suchanfragen werden notiert. Ebenso wird vorab festgelegt, was als positive Empfehlung gilt, was eine neutrale Erwähnung ist und wann von einem Anbieter abgeraten wird. Gleiche Fragen müssen für eine echte Wiederholung in einem frischen Kontext gestellt werden.
3. Pro Lauf Kontext und Antwort speichern: Datum samt Zeitzone, genutztes System (App oder API), Modellversion, Sprache, Standort, Login-Status, Personalisierung und die vollständige Textantwort werden gesichert, soweit sie bekannt sind. Wurde die Websuche tatsächlich genutzt? Wer Antworten manuell in der App prüft, sieht die technische Liste der verarbeiteten Quellen häufig gar nicht. In der Auswertung muss das Feld dann als „unbekannt“ markiert werden, nicht einfach als „null Quellen“.
4. Getrennt auswerten: Verglichen werden immer nur gleiche Fragen, gleiche Systeme und gleiche Bedingungen. Nennungen, Empfehlungen und Zitate erhalten jeweils ihre eigene Quote mit transparentem Nenner.

Quellen zählen und ihren Ursprung prüfen

Bei Quellen lässt sich nach einzelnen Verweisen, verschiedenen URLs, Hosts oder registrierbaren Domains zählen. Diese Zahlen können deutlich auseinanderliegen; der Quellenzähler macht die gewählte Zusammenfassung nachvollziehbar.

Für eine fachliche Einordnung kommt die Herkunft der Information hinzu. Das Prüfschema zur Quellenherkunft ergänzt die URL-Zählung um Herausgeber und Informationsursprung. Auch ein sichtbarer Quellenverweis muss inhaltlich geprüft werden. Die verlinkte Seite kann zum Thema passen, ohne die konkrete Aussage zu belegen, wie ein gespeicherter Zitatfall aus meiner Lübecker Reiseplan-Erhebung anschaulich macht.

Was Serverlogs erkennen lassen

Serverlogs können zeigen, welche Adresse zu welchem Zeitpunkt angefragt wurde und welchen Status der Server zurückgab. Bei der Bot-Zuordnung muss zusätzlich die Herkunft geprüft werden, wofür die Crawler-Referenz die dokumentierten Zwecke trennt.

Aus einem Abruf folgt noch keine Verwendung in einer Antwort, ebenso wenig beweist er eine Nennung oder Empfehlung. Suchabrufe, Trainingsabrufe und Zugriffe auf Nutzeranfrage müssen jeweils nach ihrer dokumentierten Funktion eingeordnet werden. Insbesondere ist der GPTBot nicht pauschal der Beleg für einen durch die ChatGPT-Suche ausgelösten Website-Besuch.

Da eigene Messaktivitäten obendrein zusätzliche Abrufe verursachen können, würde ich sie mit Zeitpunkt und Bedingungen dokumentieren und bei der Logauswertung gesondert betrachten. Ob täglich, wöchentlich oder monatlich gemessen wird, löst das Zuordnungsproblem allein nicht. Auch ein monatlicher manueller Test kann schließlich einen Abruf im Logfile auslösen.

Veränderungen über mehrere Zeitpunkte beurteilen

Für einen Vergleich halte ich Fragen und bekannte Einstellungen möglichst konstant. Gespeichert werden auch Zugang, Modellangabe, Zeitpunkt, verfügbare Suchinformationen und die vollständige Antwort. Der Referenzbogen zum Antwortkontext fasst diese Angaben zusammen. Wechselt das Modell, muss das datiert und als veränderte Messbedingung markiert werden; der bloß gleiche Modellalias garantiert schließlich keinen identischen Modellstand.

Steigt die Nennungsquote nach einer Veröffentlichung, ist das zunächst eine beobachtete zeitliche Entwicklung. Als Erklärung kommen auch andere neue Quellen, veränderte Suchergebnisse oder Produktänderungen infrage. Veränderungen lassen sich dann nicht einfach der eigenen Website-Arbeit zurechnen; App und API sowie einzelne KI-Chatbots müssen ohnehin getrennt ausgewertet werden. Den kausalen Anteil einer einzelnen Maßnahme kann ich daraus ohne einen dafür geeigneten Untersuchungsaufbau nicht isolieren.

Für die praktische Arbeit interessiert mich letztlich, ob das Unternehmen bei den relevanten Aufgaben häufiger und vor allem zutreffend vorkommt. Eine hohe Nennungsquote hilft wenig, wenn die Antwort die falsche Leistung oder den falschen Standort nennt und man die Behauptungen nicht prüfen kann. Welche Änderungen an Inhalten und Unternehmensangaben dafür überhaupt sinnvoll sind, behandle ich als nächsten Schritt in meiner Einordnung zur Optimierung für KI-Suche.